Présentation des données et distribution des fréquences

CHAPITRE Ι

PRÉSENTATION DES DONNÉES ET DISTRIBUTION DES

FRÉQUENCES

§1. Définitions et notations

1_1. Population
L’ensemble observé, fini ou infini, M, s’appelle population.

Remarque
Le terme « population » ne désigne plus seulement un ensemble d’êtres humains,
mais tout ensemble d’objets, de choses, de réalités soumis à une analyse
statistique.

1_ 2. Individu
Chaque élément de la population est appelé individu.

1_ 3. Caractère
Ce terme indique l’aspect particulier et commun à tous les individus qu’on veut
étudier.
Le caractère peut être quantitatif (numérique : discret dans IN, ou continu, dans
IR) ou qualitatif (non numérique).

Exemples :
1) Les accidents quotidiens des voitures à Tripoli.

Accident Nombre de Gravité de l’accident

blessés
1 3 Grave
2 0 Pas grave
3 5 Très grave
. . .
. . .
. . .

i) La population est l’ensemble M de tous les accidents observés à Tripoli.

ii) L’individu est l’accident observé à Tripoli.

4
Statistique descriptive
Présentation des données et distribution des fréquences

iii) Le caractère peut être le nombre de blessés de l’accident (quantitatif discret)

ou bien la gravité de l’accident (qualitatif).

2) Les malades dans un certain hôpital « H ».

Malade Age Sexe Taille Profession

Jamal 40 M 174.3 Ingénieur
Nada 35.5 F 163 Fonctionnaire
Samir 68 M 172 Agriculteur
. . . . .
. . . . .
. . . . .

i) La population est l’ensemble M de tous les malades observés dans l’hôpital H

ii) L’individu est le malade observé dans l’hôpital H.
iii) Le caractère peut être l’âge du malade, sa taille (quantitatifs continus), son
sexe ou sa profession (qualitatifs).

1_ 4. Echantillon
L’observation de tous les individus de la population peut être trop coûteuse. On
se propose d’observer un sous _ ensemble de la population de n individus
(n<<Card M). On dit qu’on observe un échantillon de taille n.

Exemples :
1) On observe un échantillon de n accidents parmi l’ensemble M des accidents
quotidiens observés des voitures à Tripoli.
Par exemple, on observe les accidents des voitures ayant une certaine marque ;
ou bien on observe les accidents des voitures à un seul quartier de Tripoli.

2) On choisit un échantillon de n malades parmi l’ensemble M des malades

observés dans l’hôpital H.
Par exemple, on observe les malades atteints par une certaine maladie ou bien
ceux qui se trouvent dans un même étage.

1_4.1. Echantillon ordonné : On dit que l’échantillon est ordonné si tous ses
individus sont écrits selon un ordre souvent croissant.

Exemple
Si on prend comme caractère « l’âge » du malade dans Malade Age
l’hôpital H. L’échantillon représenté par ce tableau Nada 35.5
est ordonné. Jamal 40
Samir 68
. .
. .

5
Statistique descriptive
 Présentation des données et distribution des fréquences

1_4.2. Echantillon exhaustif : Si après chaque observation, l’individu observé est

retiré de la population, cet individu ne peut pas être observé une autre fois. On
dit alors qu’on réalise un échantillon exhaustif.

Exemple
On tire un échantillon de n accidents quotidiens des voitures à Tripoli. Il est
évident que l’accident observé ne peut pas être observé une autre fois. Il s’agit
alors d’un échantillon exhaustif.

1-5. Enquête
Cette opération sert à observer, mesurer ou questionner l’ensemble d’individus :
i) D’un échantillon. C’est ce qu’on appelle un « sondage ».
ii) D’une population toute entière. C’est ce qu’on appelle un « recensement ».

§2- Tableaux de distribution des fréquences

2_1. Définitions des fréquences

2_1.1. Fréquence absolue : On appelle fréquence absolue ou « effectif » le nombre

ni d’individus ayant la modalité xi. C’est donc le nombre de fois où la valeur xi est
répétée dans la série.

2_1.2. Fréquence relative : On appelle fréquence relative ou « fréquence » le

n
nombre fi obtenu en divisant ni par l’effectif total n =  ni : fi = i où  f i = 1.
n
i n i =1

2_1.3. Pourcentage : On multiplie la fréquence fi par 100, on obtient le

pourcentage Pi :
n
ni
Pi = fi  100 =
n
 100. On a :  P = 100.
i=1
i

2_1.4. Effectif et fréquence cumulés :

a) On appelle effectif cumulé jusqu’à la valeur xi la somme Ni d’effectifs des

valeurs plus petites ou égales à xi :
i
Ni =  nj avec o  Ni  n .
j=1

b) On appelle fréquence cumulée jusqu'à la valeur xi la somme Fi des fréquences

des valeurs plus petites ou égales à xi :
i
Fi =  f i avec 0 ≤ Fi ≤ 1.
j =1

Ni
D’autre part, Fi = représente la proportion d’individus ayant des modalités
n
inférieures ou égales à xi.

6
Statistique descriptive
Présentation des données et distribution des fréquences

2_2. Tableaux des fréquences

2_2.1. Cas d’un caractère quantitatif discret : Soit X un caractère quantitatif

discret. Le tableau des fréquences de n observations s’écrit sous la forme
suivante :

X Effectif Fréquence Effectif cumulé Fréquence

ni fi Ni cumulée Fi
Yyyy x1 n1 f1 = n1/n N1= n1 F1 = f1
. . . . .
. . . . .
. . .
i i

xi ni fi = ni/n Ni =  n j Fi =  fj
j =1 1
. . .
. .
. . .
. .
. . .
k
Nk =  n j = n k
xk nk fk = nk/n
1 Fk =  Fi = 1
i =1

Total n 1

Exemple
On observe le nombre d’enfants par famille sur un échantillon de 10 familles, on
obtient la série statistique S1 : 2, 3, 1, 5, 4, 1, 2, 3, 2, 2.

Le tableau des fréquences correspondantes à la série S1 s’écrit :

X Effectif Fréquence Effectif cumulé Fréquence

ni fi Ni cumulée Fi
x1=1 2 2/10 2 2/10
x2=2 4 4/10 6 6/10
x3=3 2 2/10 8 8/10
x4=4 1 1/10 9 9/10
x5=5 1 1/10 10 1
Total n =10 1
Tableau 1

2_2.2. Cas d’un caractère quantitatif continu : Dans ce cas, on organise d’abord
les n observations selon un ordre croissant. Puis on répartit ces observations en
K classes disjointes [Li, Li+1[où i =1, …, k.
Indiquons maintenant les notations suivantes :

7
Statistique descriptive
Présentation des données et distribution des fréquences

a) [Li, Li+1[ est la i-ème classe dont Li représente la borne inférieure de cette
classe et Li+1 représente sa borne supérieure.
b) ai = Li+1- Li est l’amplitude de la i-ème classe.
c) ci = (Li+1+ Li) /2 est le centre de la i-ème classe.
d) ni, Ni, fi et Fi représentent respectivement l’effectif, l’effectif cumulé, la
fréquence et la fréquence cumulée de la i-ème classe.
Le tableau des fréquences s’écrit alors :

Classe Centre Effectif Fréquence Effectif Fréquence

ni fi cumulé Ni cumulée Fi
G[L1, Lc2[ YyyyC1 n1 f1 N1 F1
. . . . . . .
. . . . . . .
. . . . . .
[Li, Li+1[ Ci ni fi Ni Fi
. . . . . . .
. . . . . .
. . . . . .
[Lk, Lk+1[ Ck nk fk N k=n Fk=1
Total n 1

Comment on regroupe les données dans des classes ?

Considérons une série ordonnée de données : x1, x2, …, xn. La répartition de ces
données dans des classes nécessite de définir le nombre k des classes et
l’amplitude de chaque classe de la facon suivante :
•Le nombre k doit vérifier : 2k ≥ n ⇒ k ln 2 ≥ ln n ⇒ k ≥ ln n / ln 2.
•L’amplitude commune « a » des classes vérifie : a ≥ (xn – x1) / k.
Exemple 1 :
On a observé le salaire de 12 ouvriers et on a obtenu : 315, 423, 300, 548, 374,
452, 463, 339, 324, 432, 315, 450. Le nombre des classes optimal qu’il faudra
choisir est 4, car : k≥ (ln12/ ln2) = 3.58 avec une amplitude a= 62 ≥ (548-300) / 4.

Exemple 2 :
On observe la température du malade sur un échantillon de 12 malades. On
obtient la série statistique S2 :
37.5 ; 38.5 ; 40.5 ; 39 ; 41.5 ; 39.5 ; 40 ; 41 ; 38 ; 39 ; 40 ; 39.5.
Afin de construire le tableau des fréquences correspondant à S2 on organise
d’abord les observations selon un ordre croissant :
37.5 ; 38 ; 38.5 ; 39 ; 39 ; 39.5 ; 39.5 ; 40 ; 40 ; 40.5 ; 41 ; 41.5.
Puis on répartit ces observations en 5 classes d’amplitude égale à 1.
Le tableau des fréquences s’écrit alors :

8
Statistique descriptive
Présentation des données et distribution des fréquences

Classe Centre Effectif Fréquence Effectif Fréquence

cumulé cumulée
[37.5 ; 38.5[ 38 2 2/12 2 2/12
[38.5 ; 39.5[ 39 3 3/12 5 5/12
[39.5 ; 40.5[ 40 4 4/12 9 9/12
[40.5 ; 41.5[ 41 2 2/12 11 11/12
[41.5 ; 42.5[ 42 1 1/12 12 1
Total n =12 1

Tableau 2

§3_ Représentations graphiques

Son but essentiel est de fournir une image permettant de donner une idée rapide
sur l’évolution du phénomène et de mettre en évidence certaines caractéristiques
importantes.

3_1. Cas d’un caractère qualitatif

Le caractère qualitatif est représenté graphiquement soit par un « diagramme
en tuyaux d’orgue » ou par un « diagramme circulaire ».

3_1.1. Diagramme en tuyaux d’orgue : Ce diagramme, qui s’appelle aussi

diagramme à bandes, fait représenter chaque modalité xi par un rectangle de
base fixée à l’avance et de hauteur proportionnelle à l’effectif ni ou à la fréquence
fi de la modalité xi.

3_1.2. Diagramme circulaire : On peut également représenter graphiquement le

caractère qualitatif par un diagramme circulaire qui s’appelle aussi
« diagramme à secteurs ».
Dans lequel, le secteur i du cercle ayant un angle i au centre proportionnel à
l’effectif ni ou à la fréquence fi de la i-ème modalité :

ni
=i  360 = f(exprimé
i  360 (exprimé
o en degré)
en .degré).
n

Exemple
Reprenons l’exemple des accidents quotidiens des voitures à Tripoli, et
supposons qu’on a observé 10 accidents dont 6 « pas grave », 3 « grave » et un
accident « très grave ».
Représenter graphiquement le caractère « gravité de l’accident » :

9
Statistique descriptive
Présentation des données et distribution des fréquences

36
Très
grave

Pas Grave 108

216 grave

Diagramme circulaire Diagramme en tuyaux d’orgue

6
1=  360o = 216o ; 2=108o ; 3=36o.
10

3_2. Cas d’un caractère quantitatif discret

3_2.1. Diagramme en bâtons : Sur un repère orthonormé, on porte en abscisse les

modalités xi et en ordonnées leurs effectifs ni ou leurs fréquences fi. On dresse,
sur chaque modalité, un bâton dont la longueur est proportionnelle à son effectif
ou à sa fréquence. On obtient une série de segments verticaux : C’est un
diagramme en bâtons.

3_2.2. Polygone des fréquences : Si on joint les sommets successifs des bâtons, on
trace une ligne brisée, nommée polygone des fréquences.

3_2.3. Polygone des fréquences cumulées : La fonction N des effectifs cumulés

(resp. F des fréquences cumulées) est une fonction en escalier dont les paliers
horizontaux ont pour ordonnées Ni (resp. Fi).
La courbe commence par un palier d’ordonnée zéro et finit par un palier
d’ordonnée n (resp.1). On joint successivement les extrémités des paliers pour
obtenir le polygone des fréquences cumulées.
Remarquons que les fonctions N et F sont des fonctions croissantes et continues
à droite.

10
Statistique descriptive
Présentation des données et distribution des fréquences

Exemple
Représenter graphiquement le tableau des fréquences 1 :
ni

4-
3-

2-
1-
_
| | | | | |
0 1 2 3 4 5 6 xi
Diagramme en bâtons et polygone des fréquences

Ni
10 -
9- (
8- (

6- (

4-
2- (
_
(| | | | | |
0 1 2 3 4 5 6 xi
Polygone des fréquences cumulées

3_3. Cas d’un caractère quantitatif continu

3_3.1. Histogramme : Le caractère quantitatif continu est représenté

graphiquement par l’histogramme. Dans lequel chaque classe est représentée
par un rectangle de largeur égale à son amplitude et de hauteur égale à son
effectif corrigé ou à sa fréquence corrigée.
L’effectif (resp. la fréquence) corrigé(e) de la i-ème classe est :

ni fi
ni =
a (resp. fi =  a )
ai ai
où a est une amplitude commune choisie.
Notons que si toutes les classes ont la même amplitude, alors :
ni = ni et fi = fi i.

3_3.2. Polygone des fréquences : Ce polygone est obtenu en joignant les centres
des sommets des rectangles de l’histogramme par des lignes droites. On obtient
la courbe des fréquences en lissant le polygone des fréquences.

11
Statistique descriptive
Présentation des données et distribution des fréquences

3_3.3. Courbe des fréquences cumulées : La fonction N des effectifs cumulés

(resp. F des fréquences cumulées) est une fonction continue croissante. Sa
courbe commence par un point d'ordonné zéro, prend la valeur Ni (resp. Fi) à la
borne supérieure de la i-ème classe et finit par la valeur n (resp.1) qui reste
constante jusque x tend vers +.
Remarquons que cette courbe est indépendante du fait que les amplitudes des
classes sont identiques ou non.

Exemples :
1) Représenter graphiquement le tableau 2 :

ni

4-
3-

2-
1-
_
4- | | | | | |
0 37½ 38½ 39½ 40½ 41½ 42 ½ xi

Histogramme et polygone des fréquences

Ni

12
11
9
9
5

0 371/2 381/2 391/2 401/2 411/2 421/2 Xi

Courbe des fréquences cumulées

2) Représenter graphiquement le tableau des fréquences

suivant : Classe Effectif
[37.5 ; 38.5[ 2
i) Histogramme : Remarquons que les amplitudes des
[38.5 ; 39.5[ 3
classes ne sont pas égales.
[39.5 ; 40.5[ 4
[40.5 ; 42.5[ 3
Total 12
12
Statistique descriptive
Présentation des données et distribution des fréquences

ni
Cherchons alors les effectifs corrigés ni* = a en supposant que a = 1.
ai
On trouve : n1* = n1 = 2 ; n2* = n2 = 3 ; n3* = n3 = 4 et n4* = 3/2.

ni*

4-

3-

2-
3/2 -
_ -
_
| | | | | |
0 37½ 38½ 39½ 40½ 42½ xi

Histogramme

ii) Courbe des fréquences cumulées :

Cherchons d’abord les effectifs cumulés : N1=2 ; N2=5 ; N3=9 et N4=12.

Ni

12- .
9- .
--

5- .
-_
2-

.|
. | | | | |
0 37½ 38½ 39½ 40½ 42½ xi

« Courbe des effectifs cumulés »

13
Statistique descriptive
Présentation des données et distribution des fréquences

Série 1

1- Les poids de 50 nouveau-nés dans une maternité ont permis d’établir le

tableau suivant :

Classes [2 ; 2.4 [ [2.4 ; 2.8 [ [2.8 ; 3.2 [ [3.2 ; 3.6 [ [3.6 ; 4 [

(en Kg)
Effectif 6 10 20 10 4

i) Définir la population et la nature du caractère étudié.

ii) Déterminer le nombre de nouveaux nés dont le poids est supérieur ou égal
à 3.1 kgs .

2- Les notes finales de mathématiques obtenues par 25 étudiants d’une

université sont reportées de cette façon :

66 78 82 75 84 77 69 74 63 68 60 86 78 89 61 75 85 67 60
79 62 55 65 57 74.

a) Former un tableau de distribution des fréquences en classant les données

en classes d’amplitude égale à 5.
b) Construire l’histogramme et le polygone des fréquences.
c) Tracer la courbe des fréquences cumulées.

3- Le tableau ci-dessous donne pour 4 professions médicales le nombre de

diplômes délivrés en France entre 1970 et 1984 ainsi que le pourcentage de ces
diplômes délivrés à des femmes :

Professions médicales Nombre de diplômés % de femmes

Médecins 106759 38%
Pharmaciens 43924 60%
Chirurgiens-dentistes 25965 36%
Sages-femmes 8215 100%

a) Donner la nature du caractère et représenter le graphiquement.

b) Calculer, pour chaque profession, le nombre de diplômes délivrés à des
femmes et tracer le graphique correspondant à cette distribution.

14
Statistique descriptive
Présentation des données et distribution des fréquences

4- La répartition des épis de blé d’un champ en fonction de leur hauteur est la
suivante :

a) Définir la population et le caractère étudié.

Donner sa nature. Hauteur d’un Nombre
b) Calculer les fréquences du caractère et épi (en cm) d’épis
représenter le graphiquement. Moins de 10 18
c) Calculer les fréquences cumulées. Tracer la [10 ; 20[ 44
courbe correspondante. [20 ; 30[ 112
d) Quel est le pourcentage d’épis ayant une [30 ; 35[ 120
hauteur : [35 ; 40[ 138
i) inférieure ou égale à 34 cm ; [40 ; 45[ 164
ii) comprise entre 34 et 66 cm ; [45 ; 50[ 106
iii) supérieure à 48 cm. [50 ; 60[ 98
Plus de 60 60

5- Etant donné la distribution suivante :

a) Tracer l’histogramme de cette distribution.

Classes Effectifs
b) Calculer les effectifs cumulés et représenter les
graphiquement. <-20 5
[-20 ; -10[ 13
[-10 ; 0[ 20
[0 ; 10[ 30
[10 ; 15[ 12
[15 ; 25[ 17
 25 3

15
Statistique descriptive
 Solutions des exercices: S1 – S1100
1-
i) La population est l’ensemble des nouveau-nés dans la maternité.
Le caractère étudié est le poids. Sa nature est quantitative continue.

3
ii) 𝟏ѐ𝐫𝐞 méthode: la valeur 3.1 correspond à la classe [2.8;3.2]. Donc, le nombre
4
1
demandé est: × 20 + 10 + 4 = 19 nouveau-nés. I I I I I
4 2.8 3.1 3.2

𝟐ѐ𝒎𝒆 méthode (Interpolation linéaire):

𝑁 3.1 −𝑁(2.8) 3.1−2.8 𝑁 3.1 −16 0.3
= ⇒ = ⇒ 𝑁 3.1 = 31.
𝑁 3.2 −𝑁(2.8) 3.2−2.8 36−16 0.4
Le nombre demandé est alors: 50-31=19 nouveau-nés.
2-
a) Organisons d’abord les données selon un ordre croissant:
55-57-60-60-61-62-63-65-66-67-68-69-74-74-75-75-77-78-78-79-82-84-85-86-89.

b) L’histogramme consiste à représenter chaque classe par un rectangle de largeur

égale à l’amplitude de la classe et de hauteur égale à la fréquence fi de cette classe.
𝒇𝒊 Notes 𝒏𝒊 𝒇𝒊 𝑵𝒊 𝑭𝒊
[55;60[ 2 0.08 2 0.08
[60;65[ 5 0.2 7 0.28
0.24 -
0.2 - [65;70[ 5 0.2 12 0.48
[70;75[ 2 0.08 14 0.56
0.12 -
[75;80[ 6 0.24 20 0.8
0.08 -
[80;85[ 2 0.08 22 0.88
0 55 60 65 70 75 80 85 90 𝒙𝒊 [85;90[ 3 0.12 25 1

Histogramme et polygone des fréquences

c) 𝑭𝒊
Notes 𝑭𝒊
[55;60[ 0.08
1- [60;65[ 0.28
0.88 -
0.8 -
[65;70[ 0.48
0.56 - [70;75[ 0.56
0.48 -
[75;80[ 0.8
0.28 -
[80;85[ 0.88
0.08 - [85;90[ 1

0 55 60 65 70 75 80 85 90 𝒙𝒊

Courbe des fréquences cumulées

3-
a) Le caractère étudié est la « profession médicale ». Il a quatre modalités: Médecins, Pharmaciens,
Chirurgiens-Dentistes et Sages-Femmes. Sa nature est qualitative.
La représentation graphique consiste à représenter chaque modalité par un rectangle de largeur – ou base –
fixée à l’avance et de hauteur égal à son effectif ou à sa fréquence.
106759
Les fréquences qui correspondent à ces modalités sont: 𝑓1 = 184863 = 0.58; 𝑓2 = 0.24; 𝑓3 = 0.14; 𝑓4 = 0.04.
𝑓𝑖

0.58 -

« Digramme en tuyaux d’orgue »

0.24 -
Méd
0.14 -
𝑓𝑖𝐹
0.04 -
Ph Ch-D 0.48-
0 S-F 𝑥𝑖
b)
Modalités Nombre de femmes Fréquence de femmes
0.31-
Médecins 40568 0.48 =
40568
84484
Méd𝐹
Pharmaciens 26354 0.31 Pℎ𝐹
0.11-
Chirurgiens-dentistes 9347 0.11 0.1 -
Ch−𝐷𝐹
Sages-femmes 8215 0.1 S-F
0 𝑥𝑖
4-
a) La population est l’ensemble des épis de blé. Le caractère étudié est « la hauteur d’un épi ». Sa
nature est quantitative continue.
b) On construit le tableau des fréquences suivant, et on représente graphiquement les fréquences
𝑓
par l’histogramme, en cherchant: 𝒇∗𝒊 = 𝑎𝑖 × 10
𝑖
Hauteur d’un épi 𝒏𝒊 𝒇𝒊 𝑭𝒊 𝒇∗𝒊
0.382 -
[0;10[ 18 0.021 0.021 0.021
0.32 -
[10 ; 20[ 44 0.051 0.072 0.051
0.28 -
[20 ; 30[ 112 0.13 0.202 0.13
0.246 -
[30 ; 35[ 120 0.14 0.342 0.28
[35 ; 40[ 138 0.16 0.502 0.32
[40 ; 45[ 164 0.191 0.693 0.382 0.13 -
0.114 -
[45 ; 50[ 106 0.123 0.816 0.246
0.07 -
[50 ; 60[ 0.051-
98 0.114 0.93 0.114
- 0.021-
[60 ; 70[ 60 0.07 1 0.07
0 10 20 30 35 40 45 50 60 70 𝒙𝒊
Total 860 1

Histogramme
c) 𝑭𝒊 Hauteur d’un 𝑭𝒊
épi
[0;10[ 0.021
1-
.
0.93 - . [10 ; 20[ 0.072

0.816 - . [20 ; 30[ 0.202

0.693 - . [30 ; 35[ 0.342

[35 ; 40[
0.502 - . 0.502
[40 ; 45[ 0.693
0.342 - .
[45 ; 50[ 0.816
0.202 - .
[50 ; 60[ 0.93
0.072 -
. . [60 ; 70[ 1
0.021 -
0 10 20 30 35 40 45 50 60 70 𝒙𝒊

Courbe des fréquences cumulées

d)
i) Le nombre d’épis ayant une hauteur inférieure ou égale à 34 cm est égal à la somme des
4
effectifs de trois premières classes plus l’effectif de la quatrième classe:
5
4
18 + 44 + 112 + ×120 = 270 épis.
5
270
Le pourcentage de ces épis est: × 100 = 31.4%. (Ou bien F(34) × 100)
860

ii) La fréquence d’épis ayant une hauteur comprise entre 34 et 66 cm est égale à : F(66)-F(34).
𝐹 66 −𝐹(60) 66−60
Puisque (66) appartient à la classe: [60;70[, alors: = ⇒ F(66) = 0.972.
𝐹 70 −𝐹(60) 70−60
𝐹 34 −𝐹 30 34−30
De même: 34 ∈ [30; 35[ ⇒ = ⇒ F(34) = 0.314.
𝐹 35 −𝐹 30 35−30
D’où le pourcentage demandé est: (0.972 - 0.314) × 100 = 65.8 %.

iii) Le pourcentage d’épis ayant une hauteur supérieure à 48 cm est: (1-F(48)) × 100.
𝐹 48 −𝐹(45) 48−45
Puisque 48 ∈ [45; 50[ ⇒ = ⇒ 𝐹 48 = 0.7668.
𝐹 50 −𝐹(45) 50−45
D’où le pourcentage demandé est: (1-0.7668) × 100 =23.32%.
2 100
(Autre méthode: ( ×106 + 98 + 60) × = 23.3%).
5 860
5-
a) Pour tracer l’histogramme, on cherche d’abord les effectifs corrigés en prenant a=10:
𝒏∗𝒊
Classes 𝒏𝒊 𝑵𝒊 𝒏∗𝒊
30 -
[-30;-20[ 5 5 5
[-20;-10[ 13 18 13 24 -
[-10;0[ 20 38 20 20 -
[0;10[ 30 68 30 17 -

[10;15[ 12 80 24 13 -

[15;25[ 17 97 17
[25;35[ 3 100 3 5-
3-
Total n =100
-30 -20 -10 0 10 15 25 35 𝒙𝒊
Histogramme
b)

𝑵𝒊

10097 --

80 -
68 -

38-

18 -
5-
-30 -20 -10 0 10 15 25 35 𝒙𝒊

Courbe des effectifs cumulés

Description résumée des données

CHAPITRE II

DESCRIPTION RÉSUMÉE DES DONNÉES

§0 _ Introduction

Les données comportent en général un grand nombre de chiffres qui restent

difficiles à traiter.
Ce chapitre a pour objectif d’extraire les valeurs numériques les plus
significatives d’un caractère quantitatif étudié afin de résumer les données.
Ces valeurs numériques s’appellent caractéristiques ou paramètres de la
distribution.
On distingue trois sortes de caractéristiques :
- Caractéristiques de tendance centrale.
- Caractéristiques de dispersion.
- Caractéristiques de forme.

§1_ Caractéristique de tendance centrale

La moyenne est une valeur caractéristique ou représentative d’un
ensemble de données. Cette valeur a tendance à se situer au milieu d’un
ensemble de données rangées par ordre croissant. Elle représente donc une
mesure de tendance centrale. On peut définir plusieurs types de moyennes.
Les plus courantes étant la moyenne arithmétique (ou plus simplement la
moyenne), la médiane, les quartiles et le mode.

1_1. Moyenne arithmétique

1_1.1. Données individuelles : Considérons un échantillon de n valeurs

Quelconques : x1, x2, …, xn.
On définit la moyenne arithmétique (ou moyenne) de ces valeurs par :

Exemples :
1) La moyenne de 10 valeurs données dans la série S1 est :
2 + 3 + 1+ 5 + 4 + 1+ 2 + 3 + 2 + 2
X= = 2.5.
10

On remarque que la variable X représente ici le nombre d’enfants par famille

et par suite XI. On dit alors qu’on a, en moyenne, 2 ou 3 enfants par

16
Statisique descriptive
Description résumée des données

famille. Plus précisément, on dit qu’on a en moyenne 25 enfants dans 10

familles.

2) La moyenne de 12 valeurs données dans la série S2 est :

37.5 + 38.5 + 40.5 + 39 + 41.5 + 39.5 + 40 + 41+ 38 + 39 + 40 + 39.5
X= = 39.5.
12
Donc la température moyenne de malade est égale à 39.5.

1_1.2. Données groupées : C’est le cas de données représentées par un

tableau des fréquences.
Soit X une variable qui représente un caractère quantitatif ayant les
modalités x1, x2, …, xk d’effectifs respectivement n1, n2, …, nk. (xi  xj  i  j)
k

n x
n1x1 + n2 x 2 + ... + nk xk i =1 i i k
X= = =  fi xi .
n1 + n2 + ... + nk n i =1

La moyenne arithmétique de cette variable est :

Remarquons que si X représente un caractère quantitatif continu, on

remplace xi dans cette formule par ci : les centres des classes.

Exemples :
1) La moyenne des données représentées par le tableau 1 est :

1 2 + 2  4 + 3  2 + 4  1+ 5  1
X= = 2.5.
10
2) La moyenne des données représentées par le tableau 2 est :

38  2 + 39  3 + 40  4 + 41 2 + 42  1
X= = 39.75.
12

Remarque : Si Y = a X + b, alors Y = a X +b.

1_2. Médiane
La médiane, notée par Me, a encore le sens du milieu. C’est la valeur du
caractère étudié avant laquelle se trouve la moitié des observations et après
laquelle se trouve l’autre moitié. Autrement dit, c’est la moyenne
arithmétique des valeurs centrales.

1_2.1. Données individuelles : Considérons un échantillon de n valeurs

quelconques et rangeons ces valeurs selon un ordre croissant : x1  x2 … xn.
On calcule la médiane de la façon suivante :

Exemples
17
Statisique descriptive
Description résumée des données

1) Cherchons la médiane des valeurs données dans la série S2. On organise

d’abord ces valeurs selon un ordre croissant :
37.5 ; 38 ; 38.5 ; 39 ; 39 ; 39.5 ; 39.5 ; 40 ; 40 ; 40.5 ; 41 ; 41.5.
La taille de cet échantillon est paire (n=12). La médiane est alors :

Cela signifie que le nombre des malades ayant une température inférieure
à 39.5 est égal au nombre des malades qui ont une température supérieure
à cette valeur.

2) La série statistique suivante représente les nombres d’accidents quotidiens

des voitures à Tripoli durant 10 jours : 5 ; 6 ; 4 ; 9 ; 8 ; 8 ; 5 ; 7 ; 7 ; 5.
Afin de déterminer la médiane, on range d’abord ces valeurs selon un ordre
croissant : 4 ; 5 ; 5 ; 5 ; 6 ; 7 ; 7 ; 8 ; 8 ; 9.
La taille de l’échantillon n = 10 est paire, la médiane s’écrit alors :

Remarquons que le caractère étudié ici est quantitatif discret alors que la
valeur trouvée de la médiane = 6.5  IN. On dit dans ce cas qu’on a 2
valeurs médianes : {x5 ; x6} = {6 ; 7}.

1_2.2. Données groupées :

a) Cas d’un caractère quantitatif discret : En utilisant le tableau des

fréquences, la médiane est la valeur du caractère correspond à la valeur n/2 si
n est pair ou à la valeur (n+1) /2 si n est impair dans la colonne Ni :

Également, la médiane est la valeur du caractère correspond à la valeur 0.5

dans la colonne Fi : F( ) = 0.5.

Graphiquement, on trace la courbe des effectifs cumulés Ni ou celle des

fréquences cumulées Fi :
i) Si la valeur n/2 (si n est pair) ou la valeur (n+1) /2 (si n est impair) sur l’axe
Ni (également la valeur 0.5 sur l’axe Fi) tombe sur un palier alors l’abscisse
correspond à la borne inférieure de ce palier est la médiane ;
ii) Si la valeur n/2 (si n est pair) ou la valeur (n+1) /2 (si n est impair) sur l’axe
Ni (également la valeur 0.5 sur l’axe Fi) tombe entre 2 paliers, la verticale qui
coupe ces 2 paliers ayant comme abscisse la valeur .

Exemple
Cherchons la médiane de la distribution du tableau 1 :
La taille n = 10 est paire. On cherche alors dans la colonne Ni la valeur
(n/2)=5 ; on trouve que cette valeur correspond à la valeur 2 du caractère.
Donc =2.

18
Statisique descriptive
Description résumée des données

Graphiquement, on trouve que la valeur (n/2) = 5 sur l’axe Ni (également la

valeur 0.5 sur l’axe Fi) tombe entre 2 paliers. Alors la verticale qui coupe ces 2
paliers ayant comme abscisse la valeur = 2.

b) Cas d’un caractère quantitatif continu : En utilisant le tableau des

fréquences, afin de déterminer la médiane il faut d’abord chercher la classe
médiane. On définit cette classe par celle qui contient la valeur

Pour fixer les idées, supposons que la i-ème classe [Li, Li+1[ est la classe
médiane. Le calcul de la médiane se fait au moyen de la formule suivante :

Graphiquement, la médiane est l’abscisse du point de la courbe des effectifs

cumulés Ni (resp. fréquences cumulées Fi) dont l’ordonnée est égale à n/2
(resp. 0.5). Notons aussi que la verticale menée de divise l’histogramme en
2 parties d’aires égales.

Remarque
La médiane est l’abscisse de point d’intersection de la courbe des effectifs
cumulés (ou fréquences cumulées) et la droite d’équation y = (ou y = ½).

Exemple
Cherchons la médiane de la distribution du tableau 2 :
La taille n =12 est paire. La classe médiane est celle qui contient x6 ; donc c’est la
3-ème classe [39.5 ; 40.5[. Selon la formule d’interpolation linéaire, la médiane est :

Graphiquement, on trace la courbe des effectifs cumulés Ni. Du point (n/2) = 6

sur l’axe Ni, on mène une horizontale qui coupe la courbe en un certain point.
L’abscisse de ce point est la médiane : = 39.75.

1-3. Quartiles
Les quartiles Q1, Q2, et Q3 sont les valeurs qui divisent une série de données
en quatre parties égales, comprenant chacune 25% des observations. Il est
clair que le quartile (d'ordre 2) Q2 n'est autre que la médiane . On cherche
souvent les quartiles dans le cas d'un caractère continu. Pour déterminer ces
valeurs, on suit une démarche analogue à celle déjà fait pour déterminer la
médiane.

1_3.1. Données individuelles : Considérons un échantillon de n valeurs

quelconques et rangeons ces valeurs selon un ordre croissant : x1  x2  …xn.
On calcule les quartiles de la façon suivante :
- Q1 est la valeur d'une série de données avant laquelle il passe le quart
des valeurs et après laquelle il passe les trois quarts.
- Q2 = .
- Q3 est la valeur d'une série de données avant laquelle il passe les trois
quarts des valeurs et après laquelle il passe le quart.

19
Statisique descriptive
Description résumée des données

Exemple
Cherchons les quartiles qui correspondent à la série S2. On organise d'abord
ces valeurs selon un ordre croissant :
37.5 ; 38 ; 38.5 ; 39 ; 39 ; 39.5 ; 39.5 ; 40 ; 40 ; 40.5 ; 41 ; 41.5. On a n=12.
Donc :

Cela signifie que le quart des malades ont une température inférieure ou
égale à 38.75 et les trois quarts ont une température inférieure ou égale à
40.25.

1_3.2. Données groupées : En utilisant le tableau des fréquences, afin de

déterminer les quartiles Q1 et Q3 il faut d’abord chercher les classes qu'ils y
contiennent :
La classe qui contient Q1 est celle qui correspond à l'effectif cumulé n/4 ou à la
fréquence cumulée 1/4. La classe qui contient Q3 est celle qui correspond à
l'effectif cumulé 3n/4 ou à la fréquence cumulée 3/4.
Pour fixer les idées, supposons que Q1 (resp. Q3) appartienne à la i-ème classe
[Li, Li+1[. Le calcul de Q1 (resp. Q3) est fait au moyen de la formule suivante :
n 3n
− Ni −1 − Ni −1
0.25 − F 0.75 − Fi −1
Q1 = Li + ai 4 = Li + ai i −1
. (Resp. Q3 = Li + ai 4 = Li + ai ).
ni fi ni fi
Graphiquement, le quartile Q1 est l’abscisse du point de la courbe des effectifs
cumulés Ni (resp. fréquences cumulées Fi) dont l’ordonnée est égale à n/4
(resp. 0.25). Alors que le quartile Q3 est l’abscisse du point de la courbe des
effectifs cumulés Ni (resp. fréquences cumulées Fi) dont l’ordonnée est égale à
3n/4 (resp. 0.75).

Exemple
Cherchons les quartiles qui correspondent aux données du tableau 2. La taille
n = 12. Alors la classe qui contient Q1 est celle qui correspond à l'effectif
cumulé n/4=3. Donc c'est la 2-ème classe [38.5 ; 39.5[. On trouve alors :
3−2
Q1 = 38.5 + = 38.83.
3
De même, la classe qui contient Q3 est celle qui correspond à l'effectif cumulé
3n/4=9. Donc c'est la 3-ème classe [39.5; 40.5[. On trouve alors :
9−5
Q3 = 39.5 + = 40.5.
4

Remarque
Par extension de la définition de la médiane (qui s’appelle aussi quantile
d’ordre 2) et des quartiles (quantiles d’ordre 4), on définit également les
déciles D1, …, D9 (quantiles d’ordre 10) et les centiles C1, …, C99 (quantiles
d’ordre 100) qui sont respectivement les valeurs qui divisent la série des
données en 10 et 100 parties égales.

20
Statisique descriptive
Description résumée des données

1-4. Mode (ou dominante)

1_4.1. Données individuelles : Considérons un échantillon de n valeurs

quelconques. On définit le mode M0 par la valeur du caractère que l’on
rencontre la plus fréquemment. Le mode est parfois inexistant, et s’il existe il
peut être non unique.

Exemples :
1) Considérons l’échantillon suivant : 2 ; 5 ; 2 ; 8 ; 9 ; 5 ; 9 ; 8 ; 9. On
remarque que 9 est la valeur la plus fréquemment, donc M0 = 9. Si on
élimine le dernier élément de l’échantillon précédent, cet échantillon
sera sans mode.

2) Cherchons le mode des valeurs données dans la série S2. On remarque

que les valeurs les plus fréquemment dans cette série sont : 39 ; 39.5 et
40. On a alors 3 valeurs modales ou bien un intervalle modal [39 ; 40].

1_4.2. Données groupées :

a) Cas d’un caractère quantitatif discret : En utilisant le tableau des

fréquences, le mode est la valeur du caractère ayant le plus grand effectif ou
la plus grande fréquence.
Graphiquement, on trace le diagramme en bâtons. Le mode est la valeur du
caractère sur l’axe des abscisses ayant le plus long bâton.

Exemple
Cherchons le mode de la distribution du tableau 1 : La valeur du caractère
ayant le plus grand effectif (n2 =4) ou la plus grande fréquence (f2 = 4/10) dans
ce tableau est x2 = 2. Donc M0 =2. Cela signifie que la plupart des familles ont
un nombre d’enfants égal à 2.

b) Cas d’un caractère quantitatif continu : En utilisant le tableau des

fréquences afin de déterminer le mode il faut d’abord chercher la classe
modale. On définit cette classe par celle qui possède le plus grand effectif
corrigé ou la plus grande fréquence corrigée. Supposons que la i-ème classe
[Li,Li+1[ est la classe modale. On calcule le mode selon la formule suivante :
Δ1
M0 = Li + ai oú 1 = ni − ni−1 (ou f i − fi −1 ) et  2 = ni − ni+1 (ou f i − fi +1 ).
Δ1 + Δ2

Graphiquement, on trace l’histogramme des effectifs corrigés ou celui des

fréquences corrigées :

21
Statisique descriptive
Description résumée des données

n*
i fi *

A B

C
D

0 M0 xi

Désignons par AC la droite qui joint la borne inférieure du sommet de

rectangle qui représente la classe modale avec celle du sommet de rectangle
qui représente la classe qui la suit.
Et par BD la droite qui joint la borne supérieure du sommet de rectangle qui
représente la classe modale avec celle du sommet de rectangle qui représente
la classe qui la précède.
Le mode est l’abscisse du point d’intersection de ces deux droites.

Exemple
Cherchons le mode de la distribution du tableau 2 :
Remarquons que les amplitudes des classes sont égales, alors ni* = ni  i.
La classe modale est, donc, celle qui possède le plus grand effectif (n3 = 4).
C’est alors la 3-ème classe [39.5 ; 40.5[. Selon la formule d’interpolation
linéaire, le mode est :
4−3
M 0 = 39.5 + = 39.83.
(4 − 3) + (4 − 2)
Graphiquement, si on trace l’histogramme on déduit que M0  39.75.
Notons alors que tant que le graphe est précis, plus que le mode est bien
estimé.

§2- Caractéristiques de dispersion

Ces caractéristiques ont pour but de mesurer la dispersion des observations
d’une certaine série, pour vérifier si ces observations sont très dispersées ou
bien concentrées autour de leur valeur centrale.
Il existe plusieurs mesures de dispersion ; les plus courantes sont : l’étendue,
l’écart interquartile, la variance, l’écart-type et le coefficient de variation.

2_1. Etendue :
L’étendue ou l’amplitude est la différence entre la plus grande et la plus petite
valeur observée de la série.

22
Statisique descriptive
Description résumée des données

Bien que l’étendue soit la plus simple parmi toutes les caractéristiques de
dispersion, elle est imparfaite car elle ne dépend que des valeurs extrêmes
souvent aberrantes.

Exemple
L’étendue de la série des données ordonnées suivantes :
2 ; 3 ; 3 ; 5 ; 5 ; 5 ; 8 ; 10 ; 12 est : 12 - 2 = 10.

2-2. Ecart interquartile (EIQ) :

L'intervalle interquartile [Q1 ; Q3] représente la zone centrale de la population
qui comprend 50% de la série, en éliminant les premier et dernier quarts qui y
contiennent les valeurs extrêmes.
L’écart interquartile EIQ n'est autre que l'amplitude de cet intervalle qui est
égale à : EIQ = Q3 - Q1. Il permet de mesurer la dispersion de la série autour
de la médiane. Une représentation graphique de ce paramètre est donnée par
la boîte à moustaches (diagramme de Tukey). Il s'agit de tracer une boîte
délimitée par les quartiles Q1 et Q3, coupée en deux parties par la médiane, et
prolongée de chaque coté par des moustaches. Elle démarre, souvent, à
gauche par Min(xi) = Q1 –1.5 EIQ et finit à droite par Max(xi) = Q3 +1.5 EIQ.

Moustache-gauche Moustache-droite
Q1 Md Q3
(Schéma de la boîte à moustache)
Exemple
L'intervalle interquartile correspondant à la distribution des données dans le
tableau 2 est [38.83; 40.5]. On en déduit que 50% des malades ont une
température varie entre 38.83 et 40.5. L'écart interquartile est alors :
EIQ = Q3 - Q1 = 40.5 – 38.83 = 1.67.

2-3. Variance :
C’est la moyenne des carrés des écarts des valeurs de la série par rapport à la
moyenne arithmétique.
Autrement dit, la variance est la distance moyenne des valeurs de la série à la
moyenne arithmétique.

2-3.1. Données individuelles : Considérons un échantillon de n valeurs

quelconques x1, x2, …, xn de moyenne X . La variance est définie par :

Exemple : La variance de la variable donnée dans la série S2 est :

23
Statisique descriptive
Description résumée des données

2-3.2. Données groupées : Soit X une variable qui représente un caractère

quantitatif ayant les modalités x1, x2, …, xk d’effectifs respectivement
n1,n2, …,nk et de moyenne X . La variance de X est définie par :

Dans le cas d’un caractère quantitatif continu, on remplace xi dans cette

formule par ci : les centres des classes.

Exemple
Cherchons la variance de la distribution du tableau 2 :

Remarques
1) Si la valeur de V(X) est grande, on déduit que les observations sont
dispersées autour de leur moyenne X . Plus que V(X) est petite, plus que les
observations sont concentrées près de la moyenne X .
2) Si Y = a.X + b, alors V(Y) = a2.V(X) , .

2-4. Ecart-type :
C’est la caractéristique de dispersion la plus utilisée. Elle s’exprime par la
même unité du caractère X. Elle est définie par la racine carrée de la
variance σ(X).

2-5. Coefficient de variation :

C’est le rapport : C.V. = .

Ce nombre est sans unité ; alors que 100 C.V. est exprimé souvent en
pourcentage.

Remarque
Cette caractéristique est généralement utilisée pour comparer les dispersions
des distributions qui ne s’expriment pas en même unité ou bien celles ayant
des grandeurs différentes.

Exemple
L’entreprise E est constituée de deux établissements E1 et E2. Soit X le
caractère : « Salaire de l’employé » exprimé en Franc (F).
Comparer les dispersions des distributions des salaires dans E1 et E2 tel que :
Dans E1 : n1=100 ; X 1 =1500 F ; σ(X1) =120F ;
Dans E2 : n2=400 ; X 2 =1800 F ; σ(X2) =100F.
On calcule (C.V.) E1 = 0.08 ou 8% et (C.V.) E2 = 0.055 ou 5.5%.
On déduit que la distribution des salaires dans E1 est plus dispersée que celle
dans E2.

24
Statisique descriptive
Description résumée des données

§3- Caractéristiques de forme : Caractéristiques d’asymétrie

Ces caractéristiques nous permettent de savoir la forme de la courbe des
fréquences et de découvrir la relation entre les caractéristiques des tendances
centrales. On en distingue deux types : les coefficients de Yule et de Pearson.

3_1. Coefficient de Yule : Ce coefficient sert à mesurer l'asymétrie de la

distribution en tenant compte des positions relatives des quartiles par rapport
à la médiane. Il est défini par :

Notons que ce coefficient est indépendant de l'unité de mesure.

- Si CY > 0  la distribution est étalée à droite et on a : M0< Me< X .
C'est le cas où Me est plus proche de Q1 que Q3.
- Si CY < 0  la distribution est étalée à gauche et on a : M0> Me > X .
C'est le cas où Me est plus proche de Q3 que Q1.
- Si CY = 0  la distribution est symétrique et on a : M0 = Me = X .
(Voir les courbes)

3_2. Coefficient de Pearson : On définit ce coefficient par :

-Si SKp > 0  le sommet de la courbe des fréquences est décalé à gauche
et on a : Mo < Me < X .
- Si SKp< 0  le sommet de la courbe des fréquences est décalé à droite
et on a : Mo > Me > X .
- Si SKp= 0  la courbe des fréquences est symétrique et on a :
Mo = Me = X .
Le décalage du sommet est d’autant plus fort que la valeur absolue de SKp est
grande.

CY >0, SKp > 0 CY < 0, SKp < 0 CY = 0, SKp = 0

§4- Réalisation pratique des calculs pour X et V(X)

Pour faciliter les calculs des moyennes et des variances, dans le cas d’un
caractère quantitatif continu, nous suivons la procédure suivante :

i) Faisons le changement de variable : xi’ = (xi-c) / a où c est généralement

choisi égal au centre de la classe médiane ou celui de la classe modale, et a
est l’amplitude commune des classes.

25
Statisique descriptive
Description résumée des données

ii) Construisons le tableau suivant :

Centre Effectif xi − c
xi'=
Classe Ci  x i ni a ni xi’ ni xi’2

[L1, L2[ x1 n1 x1’ n1 x1’ n1 x1’2

. . . . . .
. . . . . .
. . . . . .
[Lk, Lk+1[ xk nk xk’ nk xk’ nk xk’2
k k 2

Total n  ni xi'
1
 ni xi'
1

iii) Nous déduisons enfin la moyenne et la variance de la variable initiale :

Remarque
Quelles que soient les valeurs choisies de a et c, la démarche conduit toujours
aux mêmes résultats.

Exemple
Faisons un changement de variable convenable pour calculer la moyenne, la
variance et le coefficient de variation de la distribution du tableau 2 :

Classe xi ni xi’ ni xi’ ni xi’2

[37.5 ; 38.5 [ 38 2 -2 -4 8
[38.5 ; 39.5 [ 39 3 -1 -3 3
[39. 5 ; 40.5 [ 40 4 0 0 0
[40.5 ; 41.5 [ 41 2 1 2 2
[41.5 ; 42.5 [ 42 1 2 2 4
Total 12 -3 17

Soit xi’ = xi – 40. On trouve :

26
Statisique descriptive
Description résumée des données

Série 2

1- En observant “le nombre d’enfants par famille” sur un échantillon de 20

familles, on obtient la série suivante :
2 ; 3 ; 1 ; 6 ; 5 ; 5 ; 2 ; 4 ; 3 ; 2 ; 2 ; 3 ; 4 ; 3 ; 1 ; 4 ; 4 ; 3 ; 3 ; 2.
a) Construire le tableau statistique correspondant.
b) Représenter graphiquement les effectifs et les effectifs cumulés.
c) Déterminer les valeurs du mode et de la médiane, en utilisant :
i) La série des données ;
ii) Le tableau des fréquences ;
iii) Les représentations graphiques.
d) Calculer le nombre moyen d’enfants par famille ainsi que l’écart-type du
caractère étudié.
e) Déterminer les quartiles.
f) Déterminer le coefficient d’asymétrie de Yule et interpréter.

2- Un hôpital veut établir le nombre de lits nécessaires pour le service

d’urgence (S.U.) et pour le service de cardiologie (S.C.).
Il a relevé, jour par jour, le nombre de malades reçus par chacun de ces deux
services au cours d’une période de 180 jours. Il a obtenu les distributions
suivantes :

i) Représenter sur un même Nb. de Nb. de jours [Link] jours

graphique les distributions malades S.U. S.C.
des effectifs dans les 2 reçus par jour
services. 0 9 7
ii) Représenter sur un même 1 26 15
graphique les distributions 2 42 27
des effectifs cumulés dans 3 39 41
les 2 services 4 31 41
iii) Calculer le nombre moyen 5 17 23
de malades reçus par jour 6 10 15
dans chacun de ces deux 7 4 7
services. 8 2 4
iv) Déterminer, selon deux méthodes différentes, le mode et la médiane du
caractère pour chacune de ces deux distributions.
v) Donner la signification des valeurs trouvées.
vi) Comparer les dispersions de ces deux distributions.

3- Une crème solaire fait apparaître des tâches sur la peau. En mesurant les
diamètres de ces tâches sur 67 patients, on a obtenu la distribution
suivante :

27
Statisique descriptive
Description résumée des données

i) Tracer l’histogramme, le polygone des

fréquences et la courbe des fréquences
cumulées. Diamètre en mm Fréquence
ii) Déterminer le mode et la médiane
selon deux méthodes différentes.
iii) Déterminer les quartiles. 0.25 à moins de 0.5 0.19
iv) Déterminer le diamètre moyen de ces 0.5 à moins de 1 0.36
tâches. 1 à moins de 2.5 0.32
v) Calculer la variance, l’écart – type et 2.5 à moins de 5 0.13
l'écart interquartile de ce caractère.
vi) Quel est le pourcentage des tâches dont
le diamètre est inférieur ou égal à la
moyenne.

4- Un laboratoire pharmaceutique a enquêté 92 représentants sur le nombre

de Kilomètres qu’ils effectuaient par jour pour représenter les produits du
laboratoire. Les résultats sont les suivants :

i) Trouver les valeurs manquantes sachant Trajet en Km Effectif ni

que le trajet moyen est de 49.89 Km.
ii) Répondre à la même question sachant [10 ; 20[ 9
que la médiane vaut 45.79 Km. [20 ; 40[ 26
iii) Calculer la moyenne, la médiane, le [40 ; ?[ 19
mode et l’écart-type de cette distribution. [? ; 80[ 24
Interpréter ces chiffres. [80 ; 100[ ?
iv) Chercher les quartiles et interpréter.
v) Déterminer le coefficient de Yule et interpréter.

5- Le salaire moyen des employés d’une certaine entreprise est de 700$. On

note que le salaire moyen des employés hommes est de 800$ et celui des
femmes est de 650$. Calculer les pourcentages d’hommes et de femmes
dans l’entreprise.

6- Les notes en mathématique de 50 étudiants à la faculté des sciences

sont réparties de la façon suivante :
12 % des étudiants ont une note inférieure à 40 sur 100 ;
32 % des étudiants ont une note comprise entre 40 et 50 sur 100 ;
70 % des étudiants ont une note inférieure à 60 sur 100 ;
21 % des étudiants ont une note comprise entre 60 et 80 sur 100 ;
9% des étudiants ont une note supérieure ou égale à 80 sur 100.
a) Définir la population et la nature du caractère étudié.
b) Calculer les caractéristiques principales de tendance centrale et donner
la signification des valeurs trouvées.
c) Donner le pourcentage des étudiants ayant une note supérieure ou égale
à 75 sur 100.
d) Représenter graphiquement cette distribution et tracer le polygone des
fréquences.
e) Déterminer le coefficient de Yule et interpréter.

28
Statisique descriptive
 Description résumée des données

7- Le tableau suivant donne la distribution de poids de n = 40 individus :

Classe 45-55 55-65 65-75 75-85 85-95

Effectif n1 12 15 n4 n5

a) En donnant le mode égale à 67.5 kgs et la médiane égale à 67.67 kgs ;

calculer le poids moyen et l’écart-type de cette distribution.
b) On décide de regrouper les deux premières et les deux dernières classes.
Remplacer les effectifs par leurs valeurs trouvées et calculer le mode et la
médiane de cette nouvelle distribution.

8- La répartition de n étudiants d’une classe selon leurs tailles est donnée de

la manière suivante :
20% d’étudiants ayant une taille inférieure à 160cm ;
40% d’étudiants ayant une taille comprise entre 160 et 170cm ;
80% d’étudiants ayant une taille inférieure à 175cm ;
14% d’étudiants ayant une taille comprise entre 175 et 180cm ;
6% d’étudiants ayant une taille supérieure à 180cm.
a) Construire le tableau statistique correspondant.
b) Représenter graphiquement cette distribution.
c) Donner la classe qui contient la taille atteinte par 50% des étudiants.
d) Exprimer en cm et en pourcentage la dispersion des tailles autour de la
taille moyenne.

9- On trace les graphes des fonctions des fréquences cumulées suivants :

F(x)
1-

0.8 - (

0.6 - (
0.5 -
-
0.2 - _ (
( | | | | | |
-1 0 1 2 3 4 5 6 x
(I)
F(x)
1-

0.8 -
0.7 -

0.5 -
0.3 -

0 1 2 3 4 5 6 x
(II)

29
Statisique descriptive
Description résumée des données

a) Donner la nature du caractère étudié dans chacune de ces 2 distributions.

b) Déterminer la médiane et la moyenne correspondent à la distribution (I).
c) Déterminer les quartiles et le mode correspondent à la distribution (II).
d) Tracer le polygone des fréquences correspondant à la distribution (II).

10- Soit X un caractère continu observé dans un échantillon de taille n = 24.

On représente graphiquement ce caractère par le graphe suivant :

Chercher la moyenne de ce caractère.

11- La répartition d’un échantillon de 400 individus selon le caractère X est

représentée par le graphe suivant :

Effectifs

100

75
50
25

0 X

En déduire :
a) La nature du caractère étudié.
b) Le mode et la médiane de cette distribution.
c) Un autre type graphique permet de représenter cette distribution.
d) Peut-on déduire la moyenne ?

30
Statisique descriptive
Description résumée des données

12- Dans un échantillon de taille n=40, on observe la distribution du caractère

X suivante :

a) Déterminer l’étendue et l’écart interquartile de X

cette distribution.  10 0.1
b) Donner une autre caractéristique de dispersion 10 – 14 0.25
ayant la même unité de X. 14 – 20 0.3
c) Représenter graphiquement cette distribution. 20 – 24 0.2
d) Déduire la valeur modale de X.  24 0.15

13- Le tableau suivant représente la durée en minutes du trajet effectué

quotidiennement par 100 étudiants de l'université Libanaise :

Durée du trajet [0 ;15[ [15 ;30[ [30 ;45[ [45 ;60[ [60 ;75[
Effectifs 30 32 18 12 8

a) Définir la population et la nature du caractère étudié.

b) Tracer l'histogramme et déduire le mode.
c) Tracer la courbe des fréquences cumulées et déduire la médiane.
d) Quel est le nombre des étudiants qui mettent :
i) moins d'une heure pour arriver à l'université ?
ii) au moins 45 minutes pour arriver à l'université ?
e) Quel est le pourcentage d'étudiants qui mettent entre 12 et 40 minutes
pour arriver à l'université ?

14- On considère la distribution suivante : Classes Effectifs

[-2.5 ;-1.5[ 10
a) Déterminer le mode si a < 20. [-1.5 ;-0.5[ a
b) Calculer la moyenne. [-0.5 ;0.5[ 20
c) Est-ce qu'on peut déduire la médiane ? [0.5 ;1.5[ a
[1.5 ;2.5[ 10

31
Statisique descriptive
 Solutions des exercices: S2 – S1100

1-
a) Le tableau des fréquences
X: Nb d’enfants 𝒏𝒊 𝒇𝒊 𝑵𝒊 𝑭𝒊
est le suivant:
Par famille
1 2 2/20 2 2/20
2 5 5/20 7 7/20
3 6 6/20 13 13/20
4 4 4/20 17 17/20
5 2 2/20 19 19/20
6 1 1/20 20 1
Total n=20 1

b) X est un caractère quantitatif discret, on le représente graphiquement par un diagramme en bâtons.

𝑛𝑖 𝑁𝑖
20 - (
(

6- 15-
(
5-
𝑛
4- 2
=10-
(
3-
2- 5-
1- (

𝑥𝑖 (

0 1 2 3 4 5 6 7 0 1 2 3 4 5 6 𝑥𝑖

Diagramme en bâtons Polygone des effectifs cumulés

et polygone des effectifs
c) i) Selon la série de données:
- le mode est la valeur de la série qui se répète plus que les autres. Donc: 𝑀0 = 3.
- la médiane est la valeur qui se trouve au milieu de la série, après d’organiser ses valeurs selon un ordre :
𝑥 +𝑥
1-1-2-2-2-2-2-3-3-3-3-3-3-4-4-4-4-5-5-6. Donc: 𝑀𝑒 = 10 2 11 = 3.
ii) Selon le tableau des fréquences:
- le mode est la valeur du caractère qui possède le plus grand effectif (ou la p.g fréquence). Donc: 𝑀0 = 3.
𝑛
- la médiane est la valeur du caractère qui correspond à la valeur 2 = 10 dans la colonne 𝑁𝑖 . Donc: 𝑀𝑒 =3.
iii) Selon les représentations graphiques:
- le mode est la modalité dans l’axe d’abscisses ayant le plus long bâton. Donc: 𝑀0 = 3.
𝑛
- la médiane: Si on mène de 2 =10 sur l’axe 𝑁𝑖 un horizontal, il tombe entre 2 paliers, alors la verticale qui
coupe ces 2 paliers a comme abscisse la médiane 𝑀𝑒 = 3.

1
d) 𝑋ത = 𝑛 σ6𝑖=1 𝑛𝑖 𝑥𝑖 = 3.1. On en déduit qu’il y a, en moyenne, 31 enfants dans 10 familles.
1
V(X) = 𝑛 σ6𝑖=1 𝑛𝑖 𝑥𝑖2 − (𝑋)
ത 2 = 1.69. Donc l’écart-type est : σ(𝑋) = 1.3.

𝑛
e) - 𝑄1 est la modalité qui correspond à la valeur = 5 dans la colonne 𝑁𝑖 . Donc: 𝑄1 = 2.
4
- 𝑄2 = 𝑀𝑒 = 3.
3𝑛
- 𝑄3 est la modalité qui correspond à la valeur 4 = 15 dans la colonne 𝑁𝑖 . Donc: 𝑄3 = 4.

𝑄1 +𝑄3 −2𝑀𝑒
f) Le coefficient de Yule est: 𝐶𝑌 = 𝑄3 −𝑄1
= 0 ⇒ La courbe des fréquences est symétrique.
2- b) 𝑁𝑖
a) Le caractère étudié est quantitatif discret. 180-
Ses effectifs sont représentés graphiquement 170-
par un diagramme en bâtons. 160-
150-
𝑛𝑖 S.U. 140-
S.C. 130-
120-
40- 110-
100-
30- 90-
80-
20- 70-
60-
10- 50-
40-
0 1 2 3 4 5 6 7 8 𝑥𝑖 30-
20-
Diagramme en bâtons 10-

0 1 2 3 4 5 6 7 8 𝑥𝑖

Polygone des fréquences cumulées

 σ𝑖 𝑛𝑖𝑢 𝑥𝑖 σ𝑖 𝑛𝑖𝑐 𝑥𝑖
c) Xu = 𝑛
= 3; 𝑋𝑐 = 𝑛
= 3.57 ≈ 4.

d) Selon le tableau des fréquences (Méthode 1) et selon le graphe (Méthode 2), on trouve que :
S.U.: 𝑀0 = 2 et 𝑀𝑒 = 3.
S.C.: 𝑀0 ∈ {3; 4} et 𝑀𝑒 = 3.

e) - L’hôpital reçoit, en moyenne, chaque jour 3 malades dans son service d’urgence et 4 malades dans son
service de cardiologie.
- Dans la plupart des jours, l’hôpital reçoit chaque jour 2 malades dans son service d’urgence et entre 3 et
4 malades dans son service de cardiologie.
- Durant la moitié des jours, l’hôpital a reçu au plus 3 malades par jour dans chacun de ses services :
urgence et cardiologie.

f) On cherche les coefficients de variation qui correspondent à chacune de ces 2 distributions, on trouve que
σ𝑖 𝑛𝑖𝑢 𝑥𝑖2 𝜎 𝑋𝑢
- S.U.: V(𝑋 𝑢 ) = − (𝑋 𝑢 )2 = 2.94 ⇒ 𝜎 𝑋𝑢 = 1.71. Alors: (C.V.)𝑢 = X = 0.57 𝑜𝑢 57%.
𝑛 u
σ𝑖 𝑛𝑖𝑐 𝑥𝑖2 𝜎 𝑋𝑐
- S.C.: V(𝑋 𝑐 ) = 𝑛
− (𝑋 𝑐 )2 = 3.15 ⇒ 𝜎 𝑋 𝑐 = 1.77. Alors: (C.V.)𝑐 = X = 0.49 𝑜𝑢 49 %.
c
On en déduit que la distribution dans le service d’urgence est plus dispersée que celle dans le service de
cardiologie.
3- On construit d’abord le tableau des fréquences suivant: Diamètre Centre: 𝑓𝑖 𝐹𝑖 𝑓𝑖∗
𝑥𝑖 a=0.25
a) 𝑓𝑖∗ [0.25; 0.5[ 0.375 0.19 0.19 0.19
0.2- A B
C
[0.5; 1[ 0.75 0.36 0.55 0.18
[1; 2.5[ 1.75 0.32 0.87 0.053
[2.5; 5[ 3.75 0.13 1 0.013
𝐹𝑖
0.1 - 1-
0.9-
0.06 - 6 pts

0.02- 10 pts 0.6 -

0.5-
D
0 0.5 1 2.5 5 𝑥𝑖 « Courbe des fréquences cumulées »

« Histogramme et polygone des fréquences » 0.2-

| |
𝑀𝑒
0 0.5 1 2.5 5 𝑥𝑖
b) Selon le tableau des fréquences:
0.19
- La classe modale est: 𝑀0 ∈[0.25; 0.5[. Donc le mode est: 𝑀0 = 0.25 + 0.25 = 0.49 𝑚𝑚.
0.19+0.01
0.5−0.19
- La classe médiane est: 𝑀𝑒 ∈ [0.5; 1[. Donc la médiane est: 𝑀𝑒 = 0.5 + 0.5 0.36 = 0.93 𝑚𝑚.
Selon le graphe:
- Le mode est l’abscisse du point d’intersection des droites AC et BD dans l’histogramme. Donc: 𝑀0 ≈ 0.49.
- La médiane est l’abscisse du point de rencontre de l’horizontal mené du point 0.5 sur l’axe 𝐹𝑖 avec la courbe
des fréquences cumulées. Donc: 𝑀𝑒 ≈ 0.9.

0.25−0.19
c) Le quartile d’ordre 1 appartient à la classe: [0.5; 1[. Donc: 𝑄1 = 0.5 + 0.5 0.36 ≈ 0.58 𝑚𝑚.
Le quartile d’ordre 2 est la médiane: 𝑄2 = 𝑀𝑒 = 0.93 𝑚𝑚.
0.75−0.55
Le quartile d’ordre 3 appartient à la classe: [1; 2.5[. Donc: 𝑄3 = 1 + 1.5 0.32 ≈ 1.94 𝑚𝑚.

d) 𝑋ത = σ𝑖 𝑓𝑖 𝑥𝑖 = 1.39 𝑚𝑚.

e) V(X) = σ𝑖 𝑓𝑖 𝑥𝑖2 − (𝑋)

ത 2 = 1.1 𝑚𝑚2 ⇒ 𝜎 𝑋 = 1.05 𝑚𝑚.
L’écart interquartile est: 𝑄3 - 𝑄1 = 1.36.

f) Le pourcentage des taches ayant un diamètre inférieur ou égal à 𝑋ത = 1.39, est égal à : F(1.39)× 100.
𝐹 1.39 −𝐹(1) 1.39−1
Puisque 1.39 ∈ [1; 2.5[, alors: = ⇒ 𝐹 1.39 = 0.633. Donc la réponse est: 63.3%.
𝐹 2.5 −𝐹(1) 2.5−1
4- On trace d’abord le tableau des fréquences: Classes Centre 𝑛𝑖 𝑁𝑖 𝑛𝑖∗
𝑥𝑖 a=20
a) On a: n = σ𝑖 𝑛𝑖 = 92 ⇒ b =14.
σ 𝑛 𝑥 [10;20[ 15 9 9 18
D’autre part : 𝑋ത = 𝑖 𝑖 𝑖 = 49.89 ⇒ 𝑎 = 50 𝑘𝑚.
𝑛 [20;40[ 30 26 35 26

b) La classe médiane est celle qui correspond à la valeur [40;a[ 40 + 𝑎 19 54 38

𝑛
= 46 dans la colonne 𝑁𝑖 . Donc: 𝑀𝑒 = 45.79 ∈ [40; a[. 2
2
46−35 [a;80[ 80 + 𝑎 24 78 16
Alors : 45.79 = 40 + 𝑎 − 40 19
⇒ 𝑎 = 50 𝑘𝑚. 2
[80;100[ 90 b 78+b 14
(38−26)
c) - Le mode 𝑀0 ∈ [40; 50[ ⇒ 𝑀0 = 40 + 10 38−26 +(38−16) Total 92
⇒ 𝑀0 = 43.53 𝑘𝑚.
σ𝑖 𝑛𝑖 𝑥𝑖2
- La variance est: V(X) = ത 2 = 540.33 ⇒ 𝑙 ′ é𝑐𝑎𝑟𝑡 − 𝑡𝑦𝑝𝑒 𝑒𝑠𝑡: 𝜎 𝑋 = 23.24 𝑘𝑚.
−(𝑋)
𝑛

Interprétation:
i) Les représentants ont fait, en moyenne, 49.89 km par jour.
ii) La plupart des représentants ont effectue 43.53 km par jour.
iii) La moitié des représentants ont fait moins de 45.79 km par jour.
 23−9
d) Le quartile d’ordre 1 appartient à [20; 40[ ⇒ 𝑄1 = 20 + 20 = 30.77 𝑘𝑚.
26
Le quartile d’ordre 2: 𝑄2 = 𝑀𝑒 = 45.79 𝑘𝑚.
69−54
Le quartile d’ordre 3 appartient à [50; 80[ ⇒ 𝑄3 = 50 + 30 24 = 68.75 𝑘𝑚.

Interprétation:
- Le quart des représentants ont effectue moins de 30.77 km par jour.
- Le trois quart des représentants ont effectue moins de 68.75 km par jour; ou bien le quart des
représentants ont effectue plus de 68.75 𝑘𝑚 par jour.

𝑄1 +𝑄3 −2𝑀𝑒
e) Le coefficient de Yule est: 𝐶𝑌 = = 0.21.
𝑄3 −𝑄1
On déduit que la distribution est étalée faiblement à droite.

5- On suppose que 𝑋, ത 𝑋𝐻 et 𝑋𝐹 sont respectivement: le salaire moyen des employés, le salaire

moyen des employés hommes et le salaire moyen des employés femmes. On désigne par 𝑓 𝐻 et 𝑓 𝐹
respectivement les fréquences des employés hommes et femmes. On a: 𝑓 𝐻 + 𝑓 𝐹 =1. H
Et: 𝑋ത = 𝑓 𝐻 . 𝑋𝐻 + 𝑓 𝐹 . 𝑋𝐹 ⇒ 700 = (1- 𝑓 𝐹 ) × 800 + 𝑓 𝐹 × 650 ⇒ 𝑓 𝐹 = 0.67 et 𝑓 𝐻 = 0.33. F
1 1 𝐻 𝐻 𝐹 𝐹 𝑛𝐻 1 𝐻 𝐻 𝑛𝐹 1
ത
(Car : 𝑋 = σ𝑖 𝑛𝑖 𝑥𝑖 = [σ𝑖 𝑛𝑖 𝑥𝑖 + σ𝑖 𝑛𝑖 𝑥𝑖 ] = σ
𝐻 𝑖 𝑛𝑖 𝑥𝑖 + 𝐹
σ𝑖 𝑛𝑖𝐹 𝑥𝑖𝐹 = 𝑓 𝐻 . 𝑋𝐻 +𝑓 𝐹 . 𝑋𝐹 ).
𝑛 𝑛 𝑛 𝑛 𝑛 𝑛
6- On construit le tableau des fréquences suivant: Classes 𝑥𝑖 ≡ 𝑐𝑖 𝑓𝑖 𝐹𝑖 𝒇∗𝒊
[30;40[ 35 0.12 0.12 0.12
a) La population est l’ensemble des étudiants à la faculté des Sciences.
Le caractère étudié est « la note en Mathématique ». Sa nature est [40;50[ 45 0.32 0.44 0.32
quantitative continue. [50;60[ 55 0.26 0.7 0.26
[60;80[ 70 0.21 0.91 0.105
b) - La moyenne: 𝑋ത = σ𝑖 𝑓𝑖 𝑥𝑖 = 55.7 ⇒ C’est la note moyenne en Math.
0.2
- Le mode 𝑀0 ∈ [40; 50[ ⇒ 𝑀0 = 40 + 10 0.2+0.06 = 47.7. C’est la 𝒇∗𝒊 [80;100[ 90 0.09 1 0.045
note en Math obtenue par la plus plupart des étudiants. 0.3 -
0.5−0.44
- La médiane 𝑀𝑒 ∈ [50; 60[ ⇒ 𝑀𝑒 = 50 + 10 0.26 = 52.3.
Cela signifie que la moitié des étudiants ont une note ≤ 52.3. 0.2-
0.25−0.12
- Les quartiles: 𝑄1 ∈ [40; 50[ ⇒ 𝑄1 = 40 + 10 0.32 = 44.1.
0.75−0.7
Et 𝑄3 ∈ [60; 80[ ⇒ 𝑄3 = 60 + 20 = 64.76.
0.21
1
c) Le pourcentage demandé est: 100 × 4 × 0.21 + 0.09 = 14.25%. 0.1- Classes
0 30 40 50 60 80 100
d) Ci-joint l’histogramme et le polygone des fréquences.

𝑄1 +𝑄3 −2𝑀𝑒
e) Le coefficient de Yule est: 𝐶𝑌 = = 0.21. On en déduit que la distribution est étalée faiblement à droite.
𝑄3 −𝑄1
7- Cherchons d’abord les effectifs manquants:
3
𝑀0 = 67.5 ∈ [65; 75[ ⇒ 𝑀0 = 65 + 10 = 67.5 ⇒ 𝑛4 = 6.
3+15−𝑛4
20− 12+𝑛1
𝑀𝑒 = 67.67 ∈ [65; 75[ ⇒ 𝑀𝑒 = 65 + 10 = 67.67 ⇒ 𝑛1 ≈ 4.
15
n = σ𝑖 𝑛𝑖 = 40 ⇒ 𝑛5 = 3.
ഥ = 1 σ𝑖 𝑛𝑖 𝑥𝑖 = 68.
a) X 𝑛
σ𝑖 𝑛𝑖 𝑥𝑖2
V(X) = ത 2 = 111 ⇒ 𝜎 𝑋 =10.53.
−(𝑋)
𝑛

b) En regroupant les 2 premières et dernières classes, on trouve la distribution suivante:

20−16
La médiane 𝑀𝑒 ∈ [65; 75[ ⇒ 𝑀𝑒 = 65 + 10 15 = 67.67. Classes 𝑛 𝑛∗ 𝑁𝑖
𝑖 𝑖
14
Le mode 𝑀0 ∈ [65; 75[ ⇒ 𝑀0 = 65 + 10 = 69.
14+21
[45;65[ 16 16 16
[65;75[ 15 30 31
[75;95[ 9 9 40
8- a) On construit le tableau statistique correspondant, en faisant le changement de variable suivant:
𝑥 −165
𝑥𝑖′ = 𝑖 5 .
Classes 𝑥𝑖 𝑓𝑖 𝒇∗𝒊 𝐹𝑖 𝑥𝑖′ 𝑓𝑖 𝑥𝑖′ 𝑓𝑖 𝑥𝑖′2
b) On représente graphiquement cette [150;160[ 155 0.2 0.1 0.2 -2 -0.4 0.8
distribution par l’histogramme: [160;170[ 165 0.4 0.2 0.6 0 0 0
.
[170;175[ 172.5 0.2 0.2 0.8 1.5 0.3 0.45
𝒇∗𝒊
0.2- [175;180[ 177.5 0.14 0.14 0.94 2.5 0.35 0.875
[180;185[ 182.5 0.06 0.06 1 3.5 0.21 0.735
0.15-
Total 1 0.46 2.86
0.1-
d) On exprime cette dispersion en centimètre par l’écart-type:
0.05- 𝑉(𝑋 ′ ) = σ𝑖 𝑓𝑖 𝑥𝑖′2 − (𝑋 ′ )2 = 2.86 − (0.46)2 = 2.65 ⇒
𝑉 𝑋 = 25. 𝑉 𝑋 ′ = 66.21 ⇒ 𝜎 𝑋 = 8.14 cm.
On l’exprime en pourcentage par le coefficient de variation:
𝜎 𝑋 8.14
0 150 160 170 175 180 185 𝑥𝑖 C.V. = 𝑋ത = 167.3 = 0.049 ou bien 4.9%.
(𝑋ത = 5 × 0.46 + 165 = 167.3).
c) La classe demandée est la classe médiane.
9- X 𝐹𝑖 𝑓𝑖
a) Le caractère correspondant à la distribution (I) est quantitatif discret.
Alors que celui qui correspond à la distribution (II) est quantitatif continu. -1 0.2 0.2
1 0.6 0.4
b) Graphiquement, la médiane qui correspond à la distribution (I) est : 𝑀𝑒 =1. 4 0.8 0.2
Selon le tableau des fréquences, la moyenne correspondante à la distribution (I)
est : 𝑋ത = σ𝑖 𝑓𝑖 𝑥𝑖 = 2.2. 6 1 0.2
(I)
c) Graphiquement, le quartile d’ordre 1 est : 𝑄1 ≈ 1.8; le quartile d’ordre 2 est :
𝑄2 = 3 et le quartile d’ordre 3 est : 𝑄3 = 4.5. Classes 𝐹𝑖 𝑓𝑖 𝒇∗𝒊
0.3
Selon le tableau des fréquences, le mode 𝑀0 ∈ [1; 2[ ⇒ 𝑀0 = 1 + 1 0.4 =1.75. [1;2[ 0.3 0.3 0.3
𝒇∗𝒊 [2;4[ 0.7 0.4 0.2
d) [4;5[ 0.8 0.1 0.1
0.3 -
[5;6[ 1 0.2 0.2
0.2 - (II)

0.1 -

0 1 2 3 4 5 6 Classes
10- On trace d’abord le tableau des fréquences correspondant:
𝑛 Classes 𝑛𝑖∗ 𝑛𝑖 𝑥𝑖
n = 24; 𝑛𝑖∗ = 𝑎𝑖 ×10.
𝑖
𝑛1 𝑛4 [5;10[ 𝑛1∗ 2 7.5
On a: 𝑛1∗= 𝑛4∗
⇒ ×10 = ×10 ⇒ 𝑛4 = 4 𝑛1 . Avec 𝑛2∗ =
𝑛2 = 8 et 𝑛3∗ = 𝑛3 = 6.
5 20
D’autre part: σ𝑖 𝑛𝑖 = 24 ⇒ 𝑛1 + 𝑛4 = 10 ⇒ 𝑛1 = 2 et 𝑛4 = 8. [10;20[ 8 8 15
1
D’où: 𝑋ത = 𝑛 σ𝑖 𝑛𝑖 𝑥𝑖 = 25.21. [20;30[ 6 6 25
[30;50[ 𝑛4∗ 8 40
11-
a) Le caractère étudié est quantitatif discret.
ത
b) La distribution étudiée est symétrique, alors: 𝑀0 = 𝑀𝑒 = 𝑥4 = 𝑋.
c) On trace le polygone des fréquences cumulées: X 𝑛𝑖 𝑁𝑖
𝑁𝑖 𝑥1 25 25
400- 𝑥2 50 75
(
350-
300-
(
𝑥3 75 150
250- (
𝑥4 100 250
200-
150-
𝑥5 75 325
(

100- 𝑥6 50 375
(
50- 𝑥7 25 400
(
(

0 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 𝑥7 𝑥𝑖
12- On trace le tableau des fréquences suivant:
Classes 𝑓𝑖 𝑐𝑖 𝒇∗𝒊 𝐹𝑖
a) L’étendue est: 28-6 = 22. [6;10[ 0.1 8 0.1 0.1
L’écart interquartile est: 𝑄3 − 𝑄1 .
0.25−0.1 [10;14[ 0.25 12 0.25 0.35
𝑄1 ∈ [10; 14[ ⇒ 𝑄1 = 10 + 4 0.25 = 12.4.
0.75−0.65 [14;20[ 0.3 17 0.2 0.65
𝑄3 ∈ [20; 24[ ⇒ 𝑄3 = 20 + 4 = 22.
0.2
D’où: 𝑄3 − 𝑄1 = 9.6. [20;24[ 0.2 22 0.2 0.85
[24;28[ 0.15 26 0.15 1
b) C’est l’écart-type qu’on doit chercher.
𝑋ത = σ𝑖 𝑓𝑖 𝑐𝑖 = 17.2 et V(X) = σ𝑖 𝑓𝑖 𝑐𝑖2 −(𝑋)
ത 2 = 31.46 ⇒ 𝜎 𝑋 = 5.61.

𝑓𝑖
c) On représente graphiquement cette distribution par l’histogramme où 𝑓𝑖∗ = ×4∶
𝑎𝑖
𝒇∗𝒊

0.3-
d) Graphiquement, on déduit le mode: 𝑀0 ≈ 13.
0.2-

0.1-

𝑀0
0 6 10 14 20 24 28 𝒙𝒊
 𝑛𝑖
13- 30-
a) La population est l’ensemble des étudiants dans l’UL.
Le caractère étudié est quantitatif continu. 20-

b) On trace l’histogramme et on déduit le mode 𝑀0 ≈ 17 ∈ [15; 30[. 10-

𝑀0
0 15 30 45 60 75 classes

c) On trace la courbe des fréquences cumulées et on déduit la médiane 𝑀𝑒 ≈ 24 ∈ [15;30[.

𝐹𝑖
Durée du [0 ;15[ [15 ;30[ [30 ;45[ [45 ;60[ [60 ;75[
1
0,92-
- .
. trajet
0.8- . Effectifs 30 32 18 12 8

0.62- .
0.5- Fréquences 0.3 0.32 0.18 0.12 0.08

0.3- . Fréquences 0.3 0.62 0.8 0.92 1

cumulées
𝑀𝑒
0 15 30 45 60 75 classes
d) i) Le nombre des étudiants qui passent moins d’une heure pour arriver à l’université est: 100 - 8= 92 étudiants.
ii) Le nombre des étudiants qui passent au moins 45 minutes pour arriver à l’université est : 20 étudiants.

𝑁 40 −𝑁 12 30 2 1
e) Le pourcentage demandé est : × 100 =74-24 =50%. (Ou bien: ( + 32 + × 18) × ×100 = 50%)
𝑛 5 3 𝑛
14-
20−𝑎
a) Le mode 𝑀0 ∈ [-0.5;0.5[ ⇒ 𝑀0 = −0.5 + 1 2 20−𝑎 = 0.

1
b) La moyenne est: 𝑋ത = σ𝑖 𝑛𝑖 𝑥𝑖 = 0.
𝑛

c) Puisque la médiane est comprise toujours entre la moyenne et le mode, on déduit que 𝑀𝑒 = 0.
Ajustement, corrélation et régression

CHAPITRE III

AJUSTEMENT
CORRÉLATION ET REGRESSION

§0- Introduction
Etant donné un échantillon de n individus. Il est parfois intéressant
d’observer simultanément, pour chaque individu, deux caractères quantitatifs
X et Y.
On obtient alors n couples d’observations (xi, yi), i = 1,2, …n ; ou bien une série
statistique bidimensionnelle.

Exemples :
1) On mesure chez n personnes le nombre X de globules rouges dans le sang
et la teneur Y en hémoglobine.
2) En donnant un échantillon de n étudiants en 2º année Mathématique.
Pour chaque étudiant de cet échantillon, deux caractères ont été observés
simultanément :
X : la note en Statistique.
Y : la note en Informatique.
Le but de ce chapitre est d’étudier le lien existant entre les deux caractères
X et Y et de mesurer la corrélation entre eux.

§1- Présentation des données

Une série statistique bidimensionnelle de n couples : (x1, y1), …, (xn, yn) peut se
représenter soit par un tableau statistique ou graphiquement par un
diagramme de dispersion.

1-1. Tableaux statistiques

1-1.1. Tableau simple : Si les données sont Individu X Y

individuelles, on les représente par un tableau 1 x1 y1
simple, dans lequel à chaque individu i il correspond . . .
deux valeurs : . . .
- Sa modalité xi dans le caractère X ; . . .
- Sa modalité yi dans le caractère Y. i xi yi
. . .
. . .
. . .
n xn yn

32
 Ajustement, corrélation et régression

Exemple
On mesure chez 12 personnes le nombre X de globules rouges dans le sang (par
106 mm3), et la teneur Y en hémoglobine (par cm3), on obtient :

Personne 1 2 3 4 5 6 7 8 9 10 11 12
X 3.89 3.95 3.97 4.15 4.2 4.26 4.31 4.38 4.4 4.45 4.56 4.72
Y 12.12 12.1 12.9 13.2 13.1 13.5 13.4 14.8 13.5 13.88 14 14.6
Tableau 3

1-1.2. Tableau de contingence : Si les données sont groupées, on les représente

par un tableau à double entrée qui s’appelle « tableau de contingence ».
Citons les notations suivantes :
X\Y y1 … y j … yq Total
a) nij est le nombre d’individus ayant la x1 n11 … n1j … n1q n1.
modalité xi dans le caractère X et la . . . . .
modalité yj dans le caractère Y. . . . . .
q
. . . . .
b) ni. =  nij est le nombre d’individus xi ni1 … nij … niq ni.
j =1 . . . . .
ayant la modalité xi dans le caractère X. . . . . .
Il s’appelle « Effectif marginal » de la . . . . .
modalité xi. xp np1 … npj … npq np.
p
c) n. j =  nij est le nombre d’individus Total n.1 ... n.j ... n.q N
i =1

ayant la modalité yj dans le caractère Y. Il s’appelle « Effectif marginal » de la

modalité yj.
p q p q
d) n =  nij =  ni. =  n. j est le nombre total de tous les individus.
i =1 j =1 i =1 j =1

Remarque :
On définit d’une façon analogue les « fréquences marginales » :

ni. q n.j p p q p q
fi. = =  fij et f.j = =  fij avec  fij =  fi. =  f.j = 1
n j=1 n i =1 i=1 j=1 i=1 j=1

Exemple
La répartition d’un échantillon de 50 étudiants suivant 2 caractères : le poids X
(en Kg) et la taille Y (en cm) est donnée dans le tableau 4 :

X\Y [150 ; 160[ [160 ; 170[ [170 ; 180[ Total

[50 ; 60[ 2 2 0 4
[60 ; 70[ 5 8 4 17
[70 ; 80[ 4 9 6 19
[80 ; 90[ 1 4 5 10
Total 12 23 15 50
Tableau 4
On a, par exemple :
33
Ajustement, corrélation et régression

i) n32 = 9 ; cela signifie qu’il y a 9 étudiants ayant un poids compris entre 70 et

80 Kg et une taille comprise entre 160 et 170 cm ;
ii) n3. =19 ; cela signifie qu’il y a 19 étudiants dont le poids est compris entre 70
et 80 Kg ;
iii) f3. = 19/50 = 0.38 ; cela signifie qu’il y a 38 % d’étudiants ayant le poids
compris entre 70 et 80 Kg ;
iv) n.2 = 23 ; cela signifie qu’il y a 23 étudiants dont la taille est comprise entre
160 et 170 cm ;
v) f.2 = 23/50 = 0.46 ; cela signifie qu’il y a 46 % d’étudiants ayant la taille
comprise entre 160 et 170 cm.

1-2. Diagramme de dispersion

C’est une représentation graphique d’une série bidimensionnelle. Dans lequel,
chaque individu i est représenté -dans le plan XOY- par un point (xi, yi) dont
l’abscisse xi désigne la modalité de cet individu dans le caractère X et l’ordonné
yi désigne sa modalité dans le caractère Y.
Y

x x
x x x
yi (xi, yi) x x
x x

0 >X
00 xi
On obtient
0 alors un « nuage de points » dans le plan XOY. Notons que :
i) Si la 0forme du nuage de points est aplatie (c.à.d. les points tendent à
s’aligner selon une droite), on dit que la liaison linéaire entre X et Y est
forte ;
ii) Si, par contre, la forme du nuage de points est éclatée, on dit que la
liaison linéaire entre X et Y est faible.

Exemple :
Représenter graphiquement la distribution du tableau 3 :
Y

x x
15 - x
x
14 - x x
x
x x
13 - x
12 - x
x

0 3,9 4 4,1 4,2 4,3 4,4 4,5 4,6 4,7 X

On trouve que la forme du nuage de points est aplatie et par suite la liaison
linéaire entre X et Y est forte.

34
 Ajustement, corrélation et régression

§2- Description marginale

La description marginale du caractère X consiste à étudier l’échantillon x1, ...,xn
tout seul, comme un échantillon à un seul caractère.
On peut donc calculer habituellement le mode, la médiane de X et notamment
sa moyenne marginale et sa variance V(X).
De même, on peut décrire marginalement le caractère Y en calculant le mode,
la médiane ainsi que la moyenne marginale Y et la variance marginale V(Y).
Notons que le point ( X , Y ) d’abscisse la moyenne marginale de X et d’ordonnée
la moyenne marginale de Y, s’appelle le centre de gravité ou le centre du nuage
des points.

§3- Etude de la liaison entre deux caractères

La représentation graphique des observations (xi, yi) nous donne une idée
primaire sur la liaison éventuelle entre les deux caractères X et Y. Pour
préciser la qualité de cette liaison et mesurer son degré, il faut chercher la
covariance de X et Y et le coefficient de corrélation linéaire entre X et Y.

3-1. Covariance

3-1.1. Définition : On appelle covariance de X et Y la valeur notée Cov(x, y) qui

mesure la dispersion conjointe de X et Y autour du point moyen ( X , Y ).
Elle est définie par :
1 n
 n  (x i − X)(y i − Y) Si les données ne sont pas groupees
 i =1
Cov(X, Y) =  p q
1
 n 
n ij (x i − X)(y j − Y) Si les données sont groupées .
i =1 j=1

La covariance de X et Y s’écrit aussi : Cov (X, Y) = XY − X.Y.

Notons qu’on a : Cov(X, X) = V(X) et Cov(X, Y) = Cov(Y, X).

3-1.2. Interprétation : Soit Mi (xi, yi) un point du plan XOY. Traçons un

nouveau système d’axe d’origine O’( X , Y ) dans lequel le point Mi possède les
coordonnées suivantes : (xi – X ) et ( y i – Y ).
Y

Divisons le plan XOY en quatre quadrants.

On remarque que : (II) (I)
❖ Dans les quadrants I (xi- X > 0 et Mi
yi- Y >0) et III (xi- X <0 et yi- Y < 0)
nous avons : (xi- X ). (yi- Y ) >0 ;
Y
O’
❖ Dans les quadrants II (xi- X <0 et (III) (IV)
yi- Y >0) et IV (xi- X >0 et yi- Y < 0)
Nous nous
déduisons
avons :alors
(xi- X que
). (yi:- Y ) < 0. 0 X X

35
Ajustement, corrélation et régression

i) Cov (X, Y) > 0  la plupart des points se trouvent dans les quadrants I et
III ; et par suite X et Y sont positivement corrélés (yi croit avec xi).

ii) Cov (X, Y) < 0  la plupart des points se trouvent dans les quadrants II et
IV ; et par suite X et Y sont négativement corrélés (yi décroît quand xi croit
et vice versa).

iii) Cov(X,Y)= 0  les points sont également répartis dans les quatre quadrants
et par suite la corrélation entre X et Y est inexistante.

Exemple
Chercher la covariance des deux caractères X et Y qui ont donnés dans le
tableau 3 et interpréter :
On a : X = 4.27 et Y = 13.43  COV (X, Y ) = XY − X.Y = 0,17  0  X et Y sont
positivement corrélés.
D’autre part, si on trace un nouveau système d’axe d’origine O’(4.27 ;13.43) qui
divise le plan XOY en quatre quadrants, on trouve que la plupart des points se
trouvent dans les quadrants I et III. On en déduit que :
1) Cov (X, Y) > 0
2) X et Y sont positivement corrélés.

3-2. Coefficient de corrélation

3-2.1. Définition : On appelle coefficient de corrélation linéaire entre deux

caractères X et Y, la valeur r qui mesure le degré de la linéarité entre X et Y.
Il est défini par :

Cette caractéristique varie entre –1 et +1.

3-2.2. Interprétation :
i) Si r = 0 ; on dit que la liaison linéaire entre X et Y est inexistante.
ii) Si |r| → 0 ; on dit que la liaison linéaire entre X et Y est très faible.
iii) Si r > 0 ; on dit que X et Y sont positivement corrélés.
iv) Si r < 0 ; on dit que X et Y sont négativement corrélés.
v) Si |r|  0.7 ; on dit que la liaison linéaire entre X et Y est forte.
vi) Si |r| → 1 ; on dit que la liaison linéaire entre X et Y est très forte.
vii) Si |r| =1 ; on dit que la liaison entre X et Y est complètement linéaire.

Exemple
Calculer r qui correspond à la distribution du tableau 3 et interpréter :

On en déduit que la liaison linéaire entre X et Y est très forte et que X et Y sont
positivement corrélés.

36
 Ajustement, corrélation et régression

§4- Ajustement d’une droite à un ensemble de points

Une liaison linéaire forte entre les deux caractères X et Y signifie que les points
(xi, yi) du plan XOY tendent à s’aligner selon une droite.
Cette droite qui traduit le mieux la liaison supposée entre X et Y et ajuste bien
le nuage de points, s’appelle « droite d’ajustement ». Pour la trouver, nous
suivons la méthode des moindres carrés.

4-1. Droite de régression

La droite de régression (qui s’appelle aussi droite de l’estimation ou droite des
moindres carrés) est celle qui rapproche le plus tôt possible le nuage de points.
Donc c’est la droite qui minimise la somme des carrés des distances aux divers
points. Cette droite peut s’exprimer de deux manières différentes :

i) la droite de régression de Y en X :

ii) la droite de régression de X en Y :

4-2. Propriétés :
i) Les deux droites de régression D et D’ se rencontrent au centre de gravité
( X, Y ).
ii) r 2 = a  a ' ; . (r, a et a’ ont le même signe).
iii) Si D et D’ sont confondues alors la liaison entre X et Y est complètement
linéaire. ( r 2 = a  a ' = 1 et tous les points se trouvent sur D et D’).

iv) Si D et D’ sont perpendiculaires alors la liaison linéaire entre X et Y est

inexistante. (r = 0).

v) Plus l’angle entre D et D’ est petit, plus la liaison linéaire entre X et Y est
forte. (|r|→1).
On dit dans ce cas que :
a) les points sont bien ajustés par D et D’;
b) D et D’ servent à faire des estimations et des prévisions sur X et Y.

Exemples
1) Chercher les droites de régression qui correspondent aux caractères X et Y
représentés dans le tableau 3 :

Donc la droite (D) : Y = 2.93 X + 0.92.

Donc la droite (D’) : X= 0.26 Y + 0.78.

Si on trace D et D’, on trouve que l’angle (D, D’) est très petit. On déduit que :

37
Ajustement, corrélation et régression

i) La liaison linéaire entre X et Y est très forte.

ii) Les points sont bien ajustés par D et D’.

2) Ajuster par la méthode des m.c. une droite (D), d’équation Y = a X + b, à

l’ensemble des points : (1,2) ; (2,4) ; (4,5) ; (7,9).
On trouve : a = = et b = =5- 3.5 = 1.17.

L’équation de la droite (D) est : Y = X +1.17.

§5- Réalisation pratique des calculs

Afin de faciliter les calculs, nous suivons cette procédure :

i) Faisons le changement des variables :

xi’ = xi - A et yi’ = yi - B où A et B sont choisies parmi les valeurs centrales
des xi et yi.

ii) Construisons ensuite le tableau suivant :

xi yi xi’ y’i x’i2 yi’2 x’iy’i

x1 y1 x1’ y’1 x’12 y1’2 x’1y’1
. . . . . . .
. . . . . . .
. . . . . . .
xn yn x n’ y’n x’n2 yn’2 x’ny’n
Total  xi'  yi'  xi'2  yi'2  xi' yi'
iii) Utilisons maintenant les formules suivantes :

a) Caractéristiques marginales de X :

b) Caractéristiques marginales de Y :

c) Caractéristiques de liaison entre X et Y :

Cov(X, Y) = Cov(X' , Y' ) =

 x i' y i'
− X'.Y' .
n
38
Ajustement, corrélation et régression

Remarque
Quel que soit les valeurs choisies de A et B, cette démarche conduit toujours
aux mêmes résultats.

Exemple
En reprenant les données représentées dans le tableau 3 :
1) Effectuer un changement de variables convenable pour calculer le
coefficient de corrélation entre X et Y. Discuter.
2) Déterminer la droite de régression de Y en X.
3) En mesurant la teneur en hémoglobine chez la 5-ème personne, une erreur
a été faite. Est-ce qu’on peut estimer la valeur erronée ?
Si oui, donner cette estimation.

En effet :
1) Soit xi’ = xi – 4.26 et yi ’= yi – 13.5.
On trouve :

V(X) = V(X’) = 0.058  σx = 0.24.

− 0.9
Y' = = −0.07  Y = 13.43.
12
V(Y) = V(Y’) = 0.64  σy = 0.8.
Cov (X, Y) = 0.17 et r = 0.88.
On déduit que :
i) La liaison linéaire entre X et Y est très forte ;
ii) X et Y sont positivement corrélés.

2)
Donc la droite (D) ayant l’équation : Y=2.93 X + 0.92.

3) Puisque la liaison linéaire entre X et Y est très forte, alors (D) ajuste bien
les points et par suite cette droite sert à faire des estimations.
On estime la valeur erronée de Y en remplaçant X par 4.2 dans l’équation
de (D) :
ŷ5 = 2.93 x 4.2 + 0.92 =13.23. Donc l’erreur est égale à 0.13.

39
Ajustement, corrélation et régression

Voici ci-joint le tableau de calcul qui correspond au changement de variables

effectuées dans l’exemple 3 :

X Y xi’ = xi – 4.26 yi ’= yi – 13.5 x’i2 yi’2 x’i y’i

3.89 12.12 -0.37 -1.38 0.137 1.904 0.511
3.95 12.1 -0.31 -1.4 0.096 1.96 0.434
3.97 12.9 -0.29 -0.6 0.084 0.36 0.174
4.15 13.2 -0.11 -0.3 0.012 0.09 0.033
4.2 13.1 -0.06 -0.4 0.004 0.16 0.024
4.26 13.5 0 0 0 0 0
4.31 13.4 0.05 -0.1 0.002 0.01 0.005
4.38 14.8 0.12 1.3 0.014 1.69 0.156
4.4 13.5 0.14 0 0.02 0 0
4.45 13.88 0.19 0.38 0.036 0.144 0.072
4.56 14 0.3 0.5 0.09 0.25 0.15
4.72 14.6 0.46 1.1 0.212 1.21 0.506
0.12 -0.9 0.707 7.778 2.065

40
Ajustement, corrélation et régression

Série 3

1- Pour12 mariages, on relève l’âge de l’époux et l’âge de l’épouse au moment

du mariage. On obtient les résultats suivants :

X : âge de 27 27 28 28 30 30 31 31 34 35 35 36
l’époux
Y : âge de 19 21 21 22 22 23 24 25 24 24 25 25
l’épouse

i) Calculer l’âge moyen de l’époux X et l’âge moyen de l’épouse Y au

moment du mariage.
ii) Représenter graphiquement cette distribution bidimensionnelle et
placer le point moyen ( X , Y ) sur le graphique.
iii) Calculer la dispersion conjointe de X et Y autour du point moyen ( X , Y ).
iv) Déduire le coefficient de corrélation linéaire entre X et Y. Interpréter.
iv) Un 13-ème mariage intervient. Si l’âge de l’époux est de 32 ans, est-ce
qu’il est possible d’estimer l’âge de l’épouse ? Expliquer.

2- Chez 50 sujets déclarés diabétiques, on a mesuré, deux heures après

injection de sucre, la concentration X de glucose (en mg/100 ml) et celle Y
d’insuline (en mg/ml) contenues dans le sang. On a trouvé les résultats
suivants :
50 50 50 50

 xi = 12500 ;  yi = 2500 ;  xiyi = 265000 ; x

2
i = 4125000 et
1=1 i=1 i=1 i=1
50

y = 643000.
2
i
i=1

i) Calculer le coefficient de corrélation linéaire entre X et Y. Interpréter.

ii) Un 51-ème malade subit l’injection. Deux heures après, il présente une
concentration d’insuline dans le sang égale à 49 mg/ml. Quel serait la
concentration de glucose dans son sang ? Que pensez-vous de la qualité
de cette estimation.

3- Une automobile fait un circuit fermé de 157 Km. Les distances parcourues
X (en Km) et les consommations d’essences Y (en litres) ont été relevées
tous les quarts d’heure à partir de t =1.

Durée t 1 2 3 4 5 6 7 8
X 0 35 60 80 105 112 127 157
Y 0 4 5.75 7.25 9 11.5 12.5 16.5

41
Ajustement, corrélation et régression

a) Calculer le coefficient de corrélation linéaire entre X et Y. Déduire la validité

d’un ajustement linéaire.
b) Déterminer la droite de régression de la consommation d’essence en fonction
de la distance parcourue.
c) Une 2-ème voiture, roulant à vitesse stabilisée en circuit fermé, a consommé 8
litres aux 90 Km. Comparer les consommations des deux voitures.

4- A) Le tableau ci-dessous donne la répartition du caractère « Age » sur un

échantillon de 125 personnes ayant contracté une maladie donnée :

X : Age du Moins de [10,15[ [15,20[ [20,30[ [30,40[ Plus de

malade 10 ans 40 ans
Effectifs 5 20 25 30 35 10

a) Tracer l’histogramme représentatif de cette distribution en rappelant sa

définition.
b) Calculer le mode et la médiane de cette distribution et donner la
signification des valeurs trouvées.
c) Calculer l’âge moyen des personnages ayant contracté cette maladie.

B) On remarque que les malades ont des tensions artérielles assez élevées. On
observe sur le même échantillon le caractère Y : « Tension artérielle du
malade ». On trouve :
125 125 125

 yi = 2125 ;  yi = 37250 et x y
2
i i = 56117 .
i=1 i=1 i=1

Calculer le coefficient de corrélation linéaire entre X et Y. Commenter.

5- Selon une source non officielle, l’invasion Israélienne au Liban en Avril 96 a

fait 101 blessés durant les 7 premiers jours et 30 morts pendant les 6 premiers
jours. Désignons par X le nombre journalier de blessés et par Y le nombre
journalier de morts. On a eu le tableau suivant :

1-er jour 2-me jour 3-me jour 4-me jour 5-me jour 6-me jour 7-me jour
X 6 21 27 1 11 25 10
Y 2 12 6 0 2 8 ?

i) Calculer le coefficient de corrélation linéaire entre X et Y. Interpréter.

ii) Est-ce qu’on peut estimer le nombre de morts tombés au 7-ème jour de
l’invasion ? Expliquer.

6- Les accidents des voitures dans un certain pays ont fait 150 morts et 480
blessés durant 30 jours.
Désignons par X le nombre quotidien de blessés et par Y le nombre quotidien
de morts. On a trouvé :
- Le coefficient de corrélation linéaire entre X et Y est égal à 0.8.
- L’équation de la droite de régression de Y en X est Y= 0.3 X + 0.2.
i) Chercher la droite de régression qui exprime X en fonction de Y.
42
Ajustement, corrélation et régression

ii) Estimer le nombre de blessés au 16-ème jour s’il tombe à ce jour 6 morts.
iii) Est-ce qu’on a trouvé une bonne estimation ? Expliquer.

7- Pour un couple de variables quantitatives (X, Y) ; un statisticien débutant a

trouvé les équations des 2 droites de régression suivantes :
y =3x + 6 et x = y + 10.
Que peut-on dire de la corrélation linéaire entre X et Y ?

8- On considère le tableau suivant :

a) Ajuster une droite à cet ensemble des X 0 1 2 3 5
points. Y 2 3/2 1 0 -1
b) Estimer la valeur de X si Y=-2.
Est-ce qu’on obtient une bonne estimation ? Expliquer.

9- Le tableau suivant donne la répartition d’un échantillon de n =100

bacheliers selon les notes X en mathématique et Y en physique :

Y\X 40-50 50-60 60-70 70-80 80-85 85-100

90-100 2 4 4
80-90 1 4 6 5
70-80 5 10 8 1
60-70 1 4 9 5 2
50-60 3 6 6 2
40-50 3 5 4

a) Déterminer le nombre des élèves ayant obtenu :

i) Entre 70 et 80 en Math. et entre 80 et 90 en phys. ;
ii) Moins que 70 en math. ;
iii) 70 et plus en Math. et moins que 80 en Phys. ;
b) Déterminer le pourcentage des élèves qui passent en Math. et en Phys.
sachant qu’il faut avoir 50 pour passer.
c) Donner les effectifs marginaux de X. Tracer l’histogramme et trouver le
mode de cette distribution.
d) Calculer le coefficient de corrélation linéaire entre X et Y. Conclure.
e) Trouver les droites de régression de X en Y et de Y en X. Montrer que
ces droites passent par un point remarquable qu’on déterminera.
f) Estimer la note en Math. d’un élève ayant 70 en phys. et celle en phys.
d’un élève ayant 80 en Math.

10- Le coefficient de corrélation linéaire entre le poids X (en Kg) et la taille Y

(en cm) des individus d’une population est égal à 0.8.
Pour X : la moyenne = 70 Kg et l’écart-type = 2 Kg.
Pour Y : la moyenne = 175 et l’écart-type = 4 cm.
Le poids d’un individu est égal à 74 Kg. Estimer sa taille.

43
Ajustement, corrélation et régression

11- On donne le diagramme de dispersion

des caractères X et Y :

a) Déterminer l’équation de la droite de

régression de Y en X.
b) Estimer la valeur de y si x=4.
c) Evaluer la qualité de cette estimation.

44
Solutions des exercices:
S3 – S1100
.
1- 𝑦𝑖 (II) (I)
i) ഥ = 1 σ12
X 𝑥 = 31. Et ഥ
𝑌 =
1 12
σ 𝑦 = 22.92 ≈ 23. 25- . . .
12 𝑖=1 𝑖 12 𝑖=1 𝑖
. 24- . . .
ii) On trace le diagramme de dispersion: 23- . ത• ഥ
(𝑋, 𝑌)
22- . .
Comme la plupart des points se trouvent dans les quadrants 21- . .
(I) et (III), on en déduit alors que X et Y sont positivement 20- (III) (IV)
corrélés et en plus la liaison linéaire entre X et Y est forte. 19- .

0 27 28 29 30 31 34 35 36 𝑥𝑖
ത 𝑌ത = 1 σ12
iii) Cov(X,Y) = 𝑋. 𝑌 − 𝑋. 𝑥 𝑦 − 31 × 22.92 = 4.81.
12 𝑖=1 𝑖 𝑖

1 2 = 9.83; V(Y) = 1 σ12 𝑦 2 − (𝑌)

iv) V(X) = 12 σ12 𝑥
𝑖=1 𝑖
2
− ( ത
𝑋) 𝑖=1 𝑖
ത 2 = 3.26.
12
𝐶𝑜𝑣(𝑋,𝑌)
Alors: r = = 0.85. On en déduit que la liaison linéaire entre X et Y est forte.
𝜎 𝑋 .𝜎(𝑌)

v) Puisque la liaison linéaire entre X et Y est forte, on peut estimer l'âge de l’épouse selon la droite de régression
𝐶𝑜𝑣(𝑋,𝑌)
(D): Y= aX+ b en donnant à X la valeur 32. On cherche a = 𝑉(𝑋) = 0.49 et b = 𝑌-a ത 𝑋=7.73.
ത D’où la droite:
(D): Y=0.49X+7.73. Donc l'âge estimé de l’épouse est: 𝑦ො13 = 0.49 × 32 + 7.73 = 23.41 𝑎𝑛𝑠.
2-
1 1
i) Les moyennes de X et Y sont : 𝑋ത = 50 σ𝑖 𝑥𝑖 = 250 et 𝑌ത = 50 σ𝑖 𝑦𝑖 = 50.
1
La variance et l’écart-type de X sont : V(X) = 50 σ𝑖 𝑥𝑖2 − (𝑋)
ത 2 = 20000 ⇒ 𝜎 𝑋 = 141.4 𝑚𝑔/100𝑚𝑙
1
La variance et l’écart-type de Y sont : V(Y) = 50 σ𝑖 𝑦𝑖2 − (𝑌)
ത 2 = 10360 ⇒ 𝜎 𝑌 = 101.8 mg/ml.
1
ത 𝑌ത = -7200.
La covariance : Cov(X,Y) = σ𝑖 𝑥𝑖 𝑦𝑖 − 𝑋.
𝑛
𝐶𝑜𝑣(𝑋,𝑌)
Alors le coefficient de corrélation linéaire est : r = 𝜎 = −0.5.
𝑋 .𝜎 𝑌
On en déduit que la liaison linéaire entre X et Y est faible et que X et Y sont négativement corrélés.

ii) On a : 𝑦51 = 49. On estime la valeur de 𝑥51 , en remplaçant Y par 49, dans l’équation (D’) de la droite de
régression de X en Y.
𝐶𝑜𝑣(𝑋,𝑌)
Cherchons d’abord l’équation de (D’): X = a’Y + b’ où a’= 𝑉(𝑌) = −0.69 et b’= 𝑋ത − 𝑎′ 𝑌ത = 284.5.
Donc l’équation de (D’) est : X=-0.69 Y+284.5. D’où l’estimation de 𝑥51 est : 𝑥ො51 =250.69.
On a obtenu une mauvaise estimation, car la liaison linéaire entre X et Y est faible et par suite la droite de
régression n’ajuste pas bien le nuage de points.
3-

1 1
a) Les moyennes de X et Y sont: 𝑋ത = 8 σ𝑖 𝑥𝑖 = 84.5 𝑘𝑚 et 𝑌ത = 8 σ𝑖 𝑦𝑖 = 8.31 𝑙𝑖𝑡𝑟𝑒𝑠.
1
ത 2 = 2306.25 et V(Y) = 1 σ𝑖 𝑦𝑖2 − (𝑌)
Les variances de X et Y sont: V(X) = 8 σ𝑖 𝑥𝑖2 − (𝑋) ത 2 = 23.82.
8
1
ത 𝑌=232.1.
La covariance est: Cov(X,Y) = 8 σ𝑖 𝑥𝑖 𝑦𝑖 − 𝑋. ത Alors, le coefficient de corrélation linéaire est:
𝐶𝑜𝑣(𝑋,𝑌)
r=𝜎 = 0.99. On en déduit que la liaison linéaire entre X et Y est très forte et par suite les droites
𝑋 .𝜎(𝑌)
de régression ajustent bien le nuage des points.

𝐶𝑜𝑣(𝑋,𝑌)
b) La droite de régression de Y en X est d’équation: Y = aX + b où a = ത 𝑋ത = -0.14.
= 0.1 et b = 𝑌-a
𝑉(𝑋)
Donc l’équation est: Y= 0.1 X - 0.14.

c) On estime la consommation de la première voiture aux 90 km par: 𝑌෠ = 0.1 × 90 − 0.14 = 8.86 𝑙.

On en déduit que la première voiture consomme plus d’essence que la deuxième.
4- A) On trace d’abord le tableau des fréquences: Classes 𝑥𝑖 𝑛𝑖 𝑁𝑖 𝑛𝑖∗
[5;10[ 7.5 5 5 5
a) On trace l’histogramme (ci-joint) et on écrit sa définition.
[10;15[ 12.5 20 25 20
5
b) Le mode 𝑀0 ∈ [15; 20[ ⇒ 𝑀0 = 15 + 5 15 = 16.67. [15;20[ 17.5 25 50 25
62.5−50 [20;30[ 25 30 80 15
La médiane 𝑀𝑒 ∈ [20; 30[ ⇒ 𝑀𝑒 = 20 + 10 30 = 24.17.
Cela signifie que: [30;40[ 35 35 115 17.5
i) La plupart des individus ayant 16.67 ans. [40;50[ 45 10 125 5
ii) La moitié des individus ayant un âge inférieur ou égal à 24.17 ans.
𝑛𝑖∗
1
c) 𝑋ത = 125 σ𝑖 𝑛𝑖 𝑥𝑖 = 25.2 𝑎𝑛𝑠.
25-
1
B) La moyenne de Y est: 𝑌ത = σ125
𝑖=1 𝑦𝑖 = 17. La variance de Y est: 20-
125
1 2
V(Y) = 125 σ𝑖 𝑦𝑖 − (𝑌)ത = 9 . La variance de X est:
2 15-
1
V(X) = 125 σ𝑖 𝑛𝑖 𝑥𝑖2 − (𝑋)
ത 2 = 108.46. La covariance de (X,Y) est: 10-
1 𝐶𝑜𝑣(𝑋,𝑌)
Cov(X,Y)= 125 σ𝑖 𝑥𝑖 𝑦𝑖 − 𝑋.ത 𝑌=20.54.
ത Donc: r = 𝜎 𝑋 .𝜎(𝑌) = 0.66. 5-
On en déduit que:
i) X et Y sont positivement corrélés. 0 5 10 15 20 30 40 50
ii) La liaison linéaire n’est pas forte. Histogramme
5-
1 1
a) Les moyennes de X et Y sont: 𝑋ത = 6 σ6𝑖=1 𝑥𝑖 = 15.17 et 𝑌ത = 6 σ6𝑖=1 𝑦𝑖 = 5. Les variances de X et Y sont:
1
ത 2 = 95.37 ⇒ 𝜎 𝑋 = 9.76 et V(Y) = 1 σ𝑖 𝑦𝑖2 − (𝑌)
V(X) = 6 σ𝑖 𝑥𝑖2 − (𝑋) ത 2 = 17 ⇒ 𝜎 𝑌 = 4.12.
6
1
La covariance de (X,Y) est: Cov(X,Y) = 6 σ6𝑖=1 𝑥𝑖 𝑦𝑖 − 𝑋.
ത 𝑌ത = 32.15. D’où le coefficient de corrélation linéaire est:
𝐶𝑜𝑣(𝑋,𝑌)
r=𝜎 = 0.8. On en déduit que:
𝑋 .𝜎 𝑌
i) La liaison linéaire entre X et Y est forte.
ii) X et Y sont positivement corrélés.

b) Puisque la liaison linéaire entre X et Y est forte, alors la droite de régression ajuste bien le nuage de points. Donc on
𝐶𝑜𝑣(𝑋,𝑌)
peut estimer 𝑦7 en utilisant la droite (D) d’équation: Y= aX + b où a = 𝑉(𝑋) = 0.34 et b = 𝑌-a ത 𝑋ത = -0.16.
Alors l’équation (D): Y = 0.34X-0.16. On estime 𝑦7 par: 𝑦ො7 = 0.34 × 𝑥7 − 0.16 = 3.24 ≈ 3 𝑚𝑜𝑟𝑡𝑠. (Car 𝑥7 = 10)

6-
a) La droite demandée a l’équation (D’): X = a’Y+ b’. On sait que 𝑟 2 = 𝑎 × 𝑎′ . Puisqu’on a: r =0.8 et a =0.3 ⇒ a’=2.13
ത 𝑌ത avec: 𝑋ത = 480 = 16 et 𝑌ത = 150 = 5 ⇒ b’= 5.35. D’où (D’): X= 2.13 Y+5.35.
D’autre part: b’= 𝑋-a’ 30 30

b) On a: 𝑦16 = 6. Alors, selon (D’), on estime 𝑥16 par: 𝑥ො16 = 2.13 × 6 + 5.35 = 18.13 ≈ 18 blessés.

c) Comme r =0.8 ≥ 0.7 ⇒ la liaison linéaire entre X et Y est forte et par suite la droite de régression ajuste bien le nuage
de points et sert, alors, à faire une bonne estimation.
7- Comme 𝑟 2 = 𝑎 × 𝑎′ = 3 ˃1 . Donc il y a une erreur dans les équations des droites trouvées.

8-
a) On ajuste cet ensemble de points par la droite de régression d’équation (D’): X = a’Y + b’.
On trouve selon le calcul: 𝑋ത = 2.2; 𝑌ത =0.7; V(X) = 2.96; V(Y) = 7.76 et Cov(X,Y) = -1.84.
𝐶𝑜𝑣(𝑋,𝑌)
On a: a’ = 𝑉(𝑌) = −0.237 et b’ = 𝑋- ത a’𝑌ത = 2.366. Donc (D’): X = -0.237 Y + 2.366.

b) Si Y = -2, on estime la valeur de X en utilisant l’équation de la droite (D’):

𝑥ො = −0.237 × −2 + 2.366 = 2.84.
𝐶𝑜𝑣(𝑋,𝑌)
On cherche le coefficient de corrélation linéaire entre X et Y, on trouve: r = =-0.38.
𝜎 𝑋 .𝜎 𝑌
On en déduit que la liaison linéaire entre X et Y est faible et par suite la droite de régression
n’ajuste pas bien le nuage de points. Donc, on a obtenu une mauvaise estimation.

9-
a) i) Le nombre demandé est: 4 élèves.
ii) Le nombre demandé est: 47 élèves.
iii) Le nombre demandé est: 28 élèves.

100−16
b) Le pourcentage demandé est: × 100 = 84%.
𝑛
c) Les effectifs marginaux de X sont représentés par ce tableau:
Pour tracer l’histogramme, on doit chercher le effectifs
∗ 𝑛.𝑗 X 40-50 50-60 60-70 70-80 80-85 85-100
corrigés: 𝑛.𝑗 = 𝑎 × 10.
𝑗 𝑛.𝑗 7 15 25 23 20 10
∗
𝑛.𝑗
𝑛.𝑗∗ 7 15 25 23 40 6.67
40-

30-

20-

10 -

0 40 50 60 70 80 85 100 𝑥𝑗

17
Le mode 𝑀0 ∈ [80; 85[ ⇒ 𝑀0 = 80 + 5 50.3 = 81.7.
 1 1
d) Les moyennes de X et Y sont: 𝑋ത = 100 σ𝑗 𝑛.𝑗 𝑥𝑗 = 70.65 et 𝑌ത = 100 σ𝑖 𝑛𝑖. 𝑦𝑖 = 69.5.
1
ത 2 = 170.9 et V(Y)= 1 σ𝑖 𝑛𝑖. 𝑦𝑖2 − (𝑌)
Les variances de X et Y sont: V(X)= 100 σ𝑗 𝑛.𝑗 𝑥𝑗2 − (𝑋) ത 2 = 222.7.
100
1 149.8
ത 𝑌=149.8.
Cov(X,Y) = 100 σ𝑖 σ𝑗 𝑛𝑖𝑗 𝑥𝑗 𝑦𝑖 − 𝑋. ത D’où: r = = 0.77.
170.9×222.7
On en déduit que:
- La liaison linéaire entre X et Y est forte.
- X et Y sont positivement corrélés.

𝐶𝑜𝑣(𝑋,𝑌)
e) On cherche (D): Y = aX + b où a = ത a 𝑋ത = 5.9 ⇒ (D): Y = 0.9 X + 5.9.
= 0.9 et b = 𝑌-
𝑉(𝑋)
𝐶𝑜𝑣(𝑋,𝑌)
De même, on cherche (D’): X = a’Y + b’ où a’= = 0.7 et b’= 𝑋ത − 𝑎′𝑌=22
ത ⇒ (D’): X= 0.7 Y + 22.
𝑉(𝑌)
ത 𝑌)
Le point de rencontre de ces 2 droites est le centre de nuage de points (𝑋, ത = (70.65; 69.5).

f) Pour estimer la note en Math, on remplace Y par 70 dans (D’) , on trouve: 𝑥ො = 0.7 × 70+22 = 71.
De même, pour estimer la note en Phys, on remplace X par 80 dans (D), on trouve: 𝑦ො = 0.9 × 80+5.9 =77.9.
10- On a: r = 0.8; 𝑋ത =70; 𝑌ത =175; 𝜎 𝑋 =2 et 𝜎 𝑌 = 4.
Pour estimer la valeur de Y en donnant la valeur de X, on doit chercher la droite de régression (D) qui
exprime Y en fonction de X, d’équation: Y= aX + b.
𝜎 𝑌
On sait que: a = ത a 𝑋ത = 63. On trouve l’équation (D): Y = 1.6 X + 63.
× 𝑟 =1.6 et b = 𝑌-
𝜎 𝑋
D’où: 𝑦ො = 1.6 × 74 + 63 = 181.4.

11- Selon le diagramme de dispersion, on déduit le tableau suivant:

X -1 -1 1 2 2 3
a) On doit chercher l’équation (D): Y = aX + b. Y -1 -2 1 2 3 4
ത
Selon le calcul, on trouve: 𝑋=1; ത
𝑌=1.17; V(X) = 2.33; V(Y) = 4.46;
𝑋. 𝑌 = 4.33; Cov(X,Y) = 3.16; a = 1.36 et b = -0.19.
D’où (D): Y = 1.36X- 0.19.

b) En utilisant l’équation (D), l’estimation de y est: 𝑦ො = 1.36×4 - 0.19 = 5.25.

c) On trouve r = 0.98. Donc la liaison linéaire entre X et Y est très forte et par suite la droite de régression
ajuste bien le nuage de points. On en déduit alors qu’on a obtenu une bonne estimation.
 CHAPITRE IV

DISTRIBUTIONS MARGINALES ET
CONDITIONNELLES DES FREQUENCES

§0- Introduction
Nous avons déjà étudié dans le chapitre précédent le lien existant entre deux
caractères d’une série statistique bidimensionnelle en mesurant par certaines
caractéristiques la liaison linéaire supposée entre eux.
Dans ce chapitre, nous calculons les distributions marginales et
conditionnelles des fréquences correspondant à ces caractères afin de déduire
l’indépendance ou la dépendance entre eux.

§1- Distribution marginale des fréquences

Soient X et Y deux caractères d’une série statistique bidimensionnelle ayant
respectivement les modalités : x1, …, xp et y1, …, yq.
La distribution des fréquences et des fréquences marginales correspond à
cette série est représentée par le tableau à double entrée suivant :

X Y y1 … yj … yq Total
x1 f11 … f1j … f1q f1.
. . . . .
. . . . .
xi fi1 … fij … fiq fi.
. . . . .
. . . . .
xp fp1 … fpj … fpq fp.
Total f.1 … f.j … f.q 1

Rappelons qu’on obtienne les fréquences fij et les fréquences marginales fi. et
f.j à partir des formules suivantes :
nij ni . q
• fij =
n
i, j. • fi. =
n
=  j =1
f ij  i.

•  f
p p q p q
n. j
• f.j = =  f ij j . ij =  f i. =  f . j = 1 .
n i =1 i =1 j =1 i =1 j =1

46
§2- Distribution conditionnelle
2-1. Distribution conditionnelle de X sachant Y :
Soit (xi, yj) ; i =1, …, p et j =1, …, q une série statistique bidimensionnelle
représentée par un tableau de contingence nij.
X/Y= yj Effectif
La jème colonne de ce tableau (pour Y= yj) nous donne les
effectifs nij des modalités xi : i =1, …, p de X sachant Y=yj. x1 n1j
Elle forme une série statistique unidimensionnelle. . .

On définit la fréquence conditionnelle de xi sachant Y= yj . .

n f xi nij
par : fi/j = ij = ij . (n.j ≠ 0  j) . .
n. j f. j
. .
On définit également p fréquences conditionnelles de X xp npj
sachant Y= yj par : f1/j, …, fi/j, …, fp/j. Total n.j
Cette distribution s’appelle distribution conditionnelle de X
sachant Y=yj. On peut définir aussi q distributions conditionnelles de X sachant
Y. Le tableau qui représente ces distributions est le suivant :

y1 … yj … yq
X/Y
x1 f1/1 … f1/j … f1/q
. . . .
. . . .
. . . .
xi fi/1 … fi/j … fi/q
. . . .
. . . .
. . . .
xp fp/1 … fp/j … fp/q

Total 1 ... 1 ... 1

Notons qu’une distribution conditionnelle admette des caractéristiques

appelées aussi conditionnelles. On définit, en particulier :
- la moyenne conditionnelle de X sachant Y= yj par :
p nij p
X / yj = n i =1
xi = f
i =1
i/ j xi ;
.j

- la variance conditionnelle de X sachant Y= yj par :

p

n ij ( xi − X / y j ) 2 p
V(X/yj) = i =1
=  f i / j ( xi − X / y j ) 2 = X 2 / y j − ( X / y j ) 2 .
n. j i =1

47
Remarques
p
a) On a : f
i =1
i/ j = 1 et fij = f.j × fi/j  i  j.

b) fi/j représente la fréquence d’individus ayant la modalité xi dans le

dans le caractère X sachant qu’ils appartiennent à la modalité yj
dans le caractère Y.

Exemple
Chercher les distributions conditionnelles de X sachant Y concernant
la répartition donnée dans le tableau 4 ?
nij
En effet : fi/j = . La 2ème colonne, par X/Y 150- 160- 170-
n. j
160 170 180
exemple, est obtenue en divisant la 50-60 0.167 0.087 0
2ème colonne du tableau 4 par n.2= 23 60-70 0.417 0.348 0.267
Elle représente, en fréquence, la 70-80 0.333 0.391 0.4
distribution des poids d’individus 80-90 0.083 0.174 0.333
ayant une taille comprise entre 160 et Total 1 1 1
170 cm. On a, par exemple, f2/2 =0.348.
Cela signifie que parmi les individus ayant une taille comprise entre
160 et 170 cm, il y a 34.8 % d’individus ayant un poids compris
entre 60 et 70 Kg.

2-2. Distribution conditionnelle de Y sachant X :

D’une façon analogue, on définit la fréquence conditionnelle de yj /X=xi
nij f ij
par : f j / i = = où ni.  0  i.
ni. f i.
On définit également q fréquences conditionnelles de Y/ X=xi par :
f1/i, . . ., fj/i, . . . , fq/i .
Cette distribution s’appelle distribution conditionnelle de Y sachant X=x i.
De même, on peut définir p distributions conditionnelles de Y sachant X
qui se représentent dans le tableau suivant :

X Y y1 … yj … yq Total
x1 f1/1 … fj/1 … fq/1 1
. . . . .
. . . . .
xi f1/i … fj/i … fq/i 1
. . . . .
. . . . .
xp f1/p … fj/p … fq/p 1

48
Toutes les caractéristiques correspondent à cette distribution sont appelées
conditionnelles. On définit notamment :
- la moyenne conditionnelle de Y sachant X= xi par :
q nij q
Y / xi =  y j =  f j/i y j ;
j =1 ni . j =1

- la variance conditionnelle de Y sachant X = xi par :

𝑞 𝑛𝑖𝑗 𝑞
𝑉(𝑌/xi)= ∑𝑗=1 (𝑦𝑗 − 𝑌/𝑥𝑖 )2 = ∑𝑗=1 𝑓𝑗/𝑖 (𝑦𝑗 − 𝑌/𝑥𝑖 )2 = 𝑌 2 /𝑥𝑖 − (𝑌/𝑥𝑖 )2 .
𝑛𝑖.

Remarques :
q
a) On a : f
j =1
j/i = 1 et fij = fi. × fj/i i j .

b) fj/i est la fréquence d’individus ayant la modalité yj dans le caractère Y

sachant qu’il a la modalité xi dans le caractère X.

Exemple :
Utiliser la répartition de X et Y dans le tableau 4 pour chercher les distributions
Conditionnelles de Y sachant X.
nij
En effet : fj/i = .
n i.
X/Y 150-160 160-170 170-180 Total
50-60 0.5 0.5 0 1
60-70 0.29 0.47 0.23 1
70-80 0.21 0.47 0.31 1
80-90 0.1 0.4 0.5 1

Afin d’obtenir la première ligne de ce tableau, on divise la première ligne du

tableau 4 par n1. = 4. Elle représente, en fréquence, la distribution des tailles
des individus dont le poids est compris entre 50 et 60 Kg. On a, par exemple,
f1/1=0.5 et f2/1=0.5. Cela signifie que parmi les individus ayant un poids varie
entre 50 et 60 Kg, il y a 50% d’individus ont une taille comprise entre 150 et
160 cm et 50% ont une taille comprise entre 160 et 170 cm.

§3 Indépendance des deux caractères X et Y

3-1. X est indépendant de Y : On dit que la distribution de X est

indépendante de Y (ou simplement X est indépendant de Y) si toutes les
colonnes du tableau des distributions des fréquences de X sachant Y sont
identiques ; c.a.d. :
fi/1 = . . .. = fi/j = . . .. = fi/q  i=1, …, p.
Dans ce cas, le caractère Y n’intervient pas dans la distribution de X et par
suite la connaissance de la valeur de Y n’apporte aucune information
supplémentaire sur la distribution de X.
49
3-2. Y est indépendant de X : On dit que Y est indépendant de X si toutes
les lignes du tableau des distributions des fréquences de Y sachant X
sont identiques ; c.a.d. :
fj/1 = . . .. = fj/i = . . .. = fj/p  j =1, …, q.
Dans ce cas, la connaissance de X n’apporte aucune information
supplémentaire sur la distribution de Y.

3-3. Propriétés : On démontre l’équivalence des propositions suivantes :

a) X est indépendant de Y ;
b) fi/j = fi.  i=1, …, p;  j=1, …, q;
c) fj/i = f.j  i=1, …, p;  j=1, …, q;
d) Y est indépendant de X ;
e) fij = fi. × f.j  i=1, …, p;  j=1, …, q;
n i .  n. j
f) nij =  i=1, …, p;  j=1, …, q.
n

En effet : X est indépendant de Y  fi/1 = … = fi/j = … = fi/q  i=1, …, p

ni1 nij niq
 = .... = = .... =  i=1, …, p;
n.1 n. j n. q
nij ni1 + ... + nij + ... + niq ni.
 fi / j = = = = f i.  i=1, …, p;  j=1, …, q;
n. j n.1 + ... + n. j + ... + n.q n
f ij 𝑓𝑖𝑗
 = f i.  f j / i = = 𝑓.𝑗 ∀𝑖 = 1, . . . , 𝑝 ; ∀𝑗 = 1, . . . , 𝑞 ;
f. j 𝑓𝑖.

 Y est indépendant de X et fij = fi. × f.j  i=1, …, p;  j=1, …, q;

𝑛 ×𝑛
 𝑛𝑖𝑗 = 𝑖. .𝑗 ∀𝑖 = 1, . . . , 𝑝 ; ∀𝑗 = 1, . . . , 𝑞.
𝑛

Exemple :
Vérifier si les caractères X et Y dans le tableau 4 sont indépendants ?
Si on trace le tableau des distributions des fréquences de Y sachant X
(Voir l’exemple 2 - 2), on trouve que ses lignes ne sont pas identiques, on
déduit alors que X et Y sont dépendants.
Aussi si on trace le tableau des distributions des fréquences de X
sachant Y (Voir l’exemple 2-1), on trouve que ses colonnes ne sont pas
identiques. Donc X et Y ne sont pas indépendants.

Remarque :
Si X et Y sont indépendants alors le coefficient de corrélation
linéaire r(X, Y) s’annule. Mais r = 0 n’entraîne pas nécessairement
l’indépendance entre X et Y.

50
 Série 4

1- Etant donné un échantillon bidimensionnel de 12 mariages dont le

caractère X représente l'âge de l'époux et le caractère Y représente l'âge
de l'épouse. (Le tableau est déjà donné dans l'exercice1- Série 3).
a) Classer les données dans un tableau à double entrée tel que :
- La 1ère classe de Y est [19;22[;
- La 1ère classe de X est [27;30[.
b) Déterminer le pourcentage de mariages dont l'âge de l'époux est
compris entre 33 et 36 ans et celui de l'épouse est compris entre 22
et 25 ans.
c) Construire le tableau de distributions conditionnelles de X sachant
Y.
d) Chercher l'âge moyen de l'époux sachant que l'âge de l'épouse est
compris entre 25 et 28 ans.
e) Chercher la variance de X sachant que Yϵ [25;28].

2- On donne le tableau à double entrée suivant :

X/Y 0-10 10-20
5-15 0.2 0.1
15-25 0.4 0.3
a) Calculer les moyennes conditionnelles de X sachant Y.
b) Chercher l'équation de la droite de régression de X en Y.
c) Vérifier si X et Y sont indépendants.

3- La répartition d'un échantillon de 24 individus selon 2 caractères : le

poids X (en Kg) et la taille Y (en cm), se présente comme suit :
X/Y 160-170 170-180
60-70 6 4
70-80 2 12
a) Vérifier si les caractères X et Y sont indépendants.
b) Déterminer la taille moyenne des individus ayant un poids
compris entre 60 et 70 Kg.
c) Déterminer le poids moyen des individus ayant une taille
comprise entre 170 et 180 cm.
d) Calculer la variance de Y sachant X appartienne à la 1ère classe.

51
4- On donne la répartition de 500 voitures en fonction de leur prix X,
exprimé en millions de LL, et leur puissance fiscale Y, exprimée en
chevaux :

X/Y 15- 30- 35- 40- 45- 50-

30 35 40 45 50 55
3-5 22 8
5-7 36 41 20 13
7-9 12 36 68 50 22 22
9-11 12 26 32 30
11-13 6 14 20
13-15 2 8

a) Déterminer les moyennes et les variances marginales de X et Y.

b) Comparer les dispersions des distributions de X et Y.
c) Construire le tableau des distributions conditionnelles de X sachant
Y.
d) Vérifier si X et Y sont indépendants ?

5- Etant donné un échantillon bidimensionnel de n étudiants inscrits en

2ème année Mathématique. Le caractère X représente la note (sur 20) de
l'étudiant en S1100 et le caractère Y sa note (sur 20) en M1100.
La 1ère et la 2ème classes de X sont respectivement [0 ;10[ et [10;20].
La 1ère et la 2ème classes de Y sont respectivement [0 ;10[ et [10;20].
On suppose que :
- La probabilité pour qu'un étudiant passe en S1100 sachant qu'il
est passé en M1100 soit égale 0.75.
- La probabilité pour qu'un étudiant ne passe pas en S1100
sachant qu'il n'est pas passé en M1100 soit égale 0.35.
Il est clair que l'étudiant doit avoir 10 sur 20 pour passer.
a) Construire le tableau des distributions conditionnelles de X sachant
Y.
b) On sait que :
- Le nombre total des étudiants ayant obtenu une note appartient
à la 1ère classe de Y est égal à 20.
- Le nombre total des étudiants ayant obtenu une note appartient
à la 2ème classe de Y est égal à 84.
Déduire le tableau de contingence nij de X et Y.

52
6- On donne le tableau à double entrée suivant :
X/Y -1 0 1
0 0.04 0.1 0.06
1 0.22 0.16 0.12
2 0.09 0.1 0.11
a) Que représente ce tableau pour les caractères X et Y ?
b) Construire le tableau de la distribution conditionnelle de X sachant
Y et déduire si X et Y sont indépendants ?
c) Déterminer la moyenne et la variance conditionnelle de X sachant
Y=0.

7- Soient X et Y 2 caractères indépendants. On donne les tableaux T 01 et

T02 qui représentent respectivement les fréquences conditionnelles de
X sachant Y et de Y sachant X :

X/Y 1 2 3 X/Y 1 2 3
1 0.4 1 0.3 0.4
2 2

T01 T02

a) Compléter les éléments de ces 2 tableaux.

b) Déterminer la moyenne et la variance conditionnelles de X sachant
Y=2.
c) Construire le tableau de contingence fij.
d) Est-ce qu'on peut estimer la valeur de x si y=4 ? Expliquer.

53
Solutions des exercices:
S4 – S1100
.
1- X/Y [19;22[ [22;25[ [25;28[ Total
a) Le tableau de contingence de X et Y est le suivant: [27;30[ 3 1 0 4
2 [30;33[ 0 3 1 4
b) Le pourcentage demandé est: × 100 = 16.67%.
12
[33;36[ 0 2 1 3
c) Pour tracer ce tableau, on doit chercher les fréquences [36;39[ 0 0 1 1
conditionnelles de X= 𝑥𝑖 sachant Y= 𝑦𝑗 notées par: Total 3 6 3 n=12
𝑓𝑖𝑗 𝑛𝑖𝑗
𝑓𝑖/𝑗 = 𝑓.𝑗
= 𝑛.𝑗
. « 𝒏𝒊𝒋 »

X/Y [19;22[ [22;25[ [25;28[

d) C’est la valeur:
ത 3 = σ4𝑖=1 𝑓𝑖/3 𝑥𝑖 = 1 × 31.5 + 1 × 34.5 + 1 × 37.5 = 34.5 [27;30[ 1 1/6 0
𝑋/𝑦 3 3 3
[30;33[ 0 3/6 1/3
ത 3 )2 = σ4𝑖=1 𝑓𝑖/3 𝑥𝑖2 − (𝑋/𝑦
e) V(X/ 𝑦3 ) = 𝑋 2 /𝑦3 − (𝑋/𝑦 ത 3 )2 ⇒ [33;36[ 0 2/6 1/3
1 1 1
V(X/ 𝑦3 )= 3 × (31.5)2 + 3 × (34.5)2 + 3 × (37.5)2 -(34.5)2 =6. [36;39[ 0 0 1/3
« 𝒇𝒊/𝒋 »
2-
a) Les moyennes conditionnelles de X sachant Y= 𝑦𝑗 sont données par: X/Y 0-10 10-20
ത 𝑗 = σ2𝑖=1 𝑓𝑖/𝑗 𝑥𝑖 . On cherche les fréquences conditionnelles 𝑓𝑖/𝑗 = 𝑓𝑖𝑗 :
𝑋/𝑦 𝑓.𝑗 5-15 0.33 0.25
ത 1 = 0.33 × 10 + 0.67 ×20=16.7 et 𝑋/𝑦
𝑋/𝑦 ത 2 = 0.25 × 10 + 0.75 ×20=17.5. 15-25 0.67 0.75

b) 𝑋ത = σ𝑖 𝑓𝑖. 𝑥𝑖 = 17; 𝑌ത = σ𝑗 𝑓.𝑗 𝑦𝑗 = 9; 𝑋𝑌 = σ𝑖 σ𝑗 𝑓𝑖𝑗 𝑥𝑖 𝑦𝑗 = 155 ⇒ 𝐶𝑜𝑣 𝑋, 𝑌 = 𝑋𝑌 - 𝑋.

ത 𝑌ത = 2.
ത 2 = 24 ⇒ 𝑎′ = 𝐶𝑜𝑣(𝑋,𝑌) = 0.08. Et b’ = 𝑋ത − 𝑎′ 𝑌ത = 16.28.
V(Y) = σ𝑗 𝑓.𝑗 𝑦𝑗2 − ( 𝑌) 𝑉(𝑌)
D’où l’équation de la droite de régression de X en Y est: X = 0.08 Y + 16.28.

c) Comme 𝑓11 = 0.2 ≠ 0.3 × 0.6 = 𝑓1. × 𝑓.1 ⇒ 𝑋 𝑒𝑡 𝑌 ne sont pas indépendants.
ത 1≠ഥ
(Autre méthode: Puisque 𝑋/𝑦 𝑋/𝑦2 ⇒ 𝑋 𝑒𝑡 𝑌 ne sont pas indépendants).

3-
𝑛 ×𝑛 10×8
a) On a: 𝑛11 = 6 ≠ 1. 𝑛 .1 = 24 ⇒ 𝑋 𝑒𝑡 𝑌 ne sont pas indépendants.

ത 1 = σ𝑗 𝑓𝑗/1 𝑦𝑗 = σ𝑗 𝑛1𝑗 𝑦𝑗 = 1 [ 6 × 165 + 4×175]=169.

b) 𝑌/𝑥 𝑛 1. 10

ത 2 = σ𝑖 𝑓𝑖/2 𝑥𝑖 = σ𝑖 𝑛𝑖2 𝑥𝑖 = 1 4 × 65 + 12 × 75 = 72.5.

c) 𝑋/𝑦 𝑛 .2 16

1
ത 1 )2 = [6×(165)2 + 4 × 175)2 − (169)2 = 24.
d) V(Y/𝑥1 ) = 𝑌 2 /𝑥1 −(𝑌/𝑥 10
4-
1 1
a) 𝑋ത = 𝑛 σ𝑖 𝑛𝑖. 𝑥𝑖 = 500 30 × 4 + 110 × 6 + 210 × 8 + 100 × 10 + 40 × 12 + 10 × 14 = 8.16.
1 1
𝑌ത = 𝑛 σ𝑗 𝑛.𝑗 𝑦𝑗 = 500 [70 × 22.5 + 85 × 32.5 + 100 × 37.5 + 95 × 42.5 + 70 × 47.5 + 80 × 52.5]=39.3.
1
ത 2 = 4.6 et V(Y) = 1 σ𝑗 𝑛.𝑗 𝑦𝑗2 − ( 𝑌)
V(X) = 𝑛 σ𝑖 𝑛𝑖. 𝑥𝑖2 − ( 𝑋) ത 2 = 87.3.
𝑛

𝜎(𝑋) 𝜎(𝑌)
b) On cherche les coefficients de variation: (C.V.)𝑋 = 𝑋ത = 0.26 et (C.V. )𝑌 = = 0.24.
𝑌ത
On en déduit que la distribution de X est un peu plus dispersée que celle de Y.
𝑛𝑖𝑗
c) On applique la formule: 𝑓𝑖/𝑗 = pour construire X/Y 15-30 30-35 35-40 40-45 45-50 50-55
𝑛.𝑗
le tableau de X/Y suivant: 3-5 0.31 0.09
5-7 0.51 0.48 0.2 0.14
d) Dans le tableau 𝑓𝑖/𝑗 , on trouve que les colonnes ne
7-9 0.17 0.42 0.68 0.53 0.31 0.27
sont pas identiques; par suite X et Y ne sont pas
indépendants. 9-11 0.12 0.27 0.46 0.37
11-13 0.06 0.2 0.25
13-15 0.03 0.1
5-
a) On a, selon les données, que: 𝑓2/2 = 0.75 et 𝑓1/1 = 0.35.
X/Y [0;10[ [10;20[
D’autre part, on sait que: 𝑓1/2 + 𝑓2/2 = 1 ⇒ 𝑓1/2 = 0.25.
De même: 𝑓1/1 + 𝑓2/1 = 1 ⇒ 𝑓2/1 = 0.65. [0;10[ 0.35 0.25
Alors le tableau de X/Y est le suivant: [10;20[ 0.65 0.75
Total 1 1
b) On a, selon les données, que: 𝑛.1 = 20 et 𝑛.2 = 84.
𝑛𝑖𝑗
D’autre part, on sait que: 𝑓𝑖/𝑗 = 𝑛 ⇒ 𝑛𝑖𝑗 = 𝑓𝑖/𝑗 × 𝑛.𝑗 .
.𝑗
Alors, 𝑛11 = 0.35 × 20 = 7 et 𝑛12 = 0.25 × 84 = 21.
Et puisque: 𝑛.1 = 𝑛11 + 𝑛21 ⇒ 𝑛21 = 13. De même: 𝑛.2 = 𝑛12 + 𝑛22 ⇒ 𝑛22 = 63.
D’où, le tableau de contingence est le suivant:

X/Y [0;10[ [10;20[

[0;10[ 7 21
[10;20[ 13 63
Total 20 84
6-
a) Le tableau donné représente la distribution des fréquences 𝑓𝑖𝑗 .

𝑓𝑖𝑗 X/Y -1 0 1
b) On applique la formule: 𝑓𝑖/𝑗 = pour tracer le tableau de
𝑓.𝑗
X/Y suivant: 0 0.11 0.28 0.21
1 0.63 0.44 0.41
Puisque les colonnes dans ce tableau ne sont pas identiques, 2 0.26 0.28 0.38
on déduit que X et Y ne sont pas indépendants.
Total 1 1 1
ത
c) (𝑋/𝑌=0) ത 2 = σ𝑖 𝑓𝑖/2 𝑥𝑖 = 1.
= 𝑋/𝑦
V(X/ Y=0) =V(X/𝑦2 ) = σ𝑖 𝑓𝑖/2 𝑥𝑖2 − ( 𝑋/𝑦
ത 2 )2 = 0.56.

d) C’est la droite d’équation (D’): X= a’ Y + b’.

Selon le tableau des fréquences, on trouve: 𝑋ത = σ𝑖 𝑓𝑖. 𝑥𝑖 = 1.1 ; 𝑌ത = σ𝑗 𝑓.𝑗 𝑦𝑗 = −0.06;
V(Y)= σ𝑗 𝑓.𝑗 𝑦𝑗2 − (𝑌)
ത 2 ≈ 0.64; Cov(X,Y) = σ𝑖,𝑗 𝑓𝑖𝑗 𝑥𝑖 𝑦𝑗 − 𝑋.ത 𝑌ത = 0.006 ⇒
𝐶𝑜𝑣(𝑋,𝑌)
a’= ത 𝑌ത = 1.1. D’où, l’équation (D’) est: X =0.01.Y+1.1.
≈ 0.01 et b’= 𝑋-a’
𝑉(𝑌)
7-
a) Puisque X et Y sont indépendants, cela nous donne que:
- Dans le tableau 𝑓𝑖/𝑗 , toutes les colonnes sont identiques, et chaque colonne a une somme égale à 1.
- Dans le tableau 𝑓𝑗/𝑖 , toutes les lignes sont identiques, et chaque ligne a une somme égale à 1.
On complète, alors, les éléments des tableaux T01 et T02 :
X/Y 1 2 3 X/Y 1 2 3
1 0.4 0.4 0.4 1 0.3 0.3 0.4
2 0.6 0.6 0.6 2 0.3 0.3 0.4
ത
b) (𝑋/𝑌=2) ത 2 = σ𝑖 𝑓𝑖/2 𝑥𝑖 = 0.4 × 1 + 0.6 × 2 =1.6.
= 𝑋/𝑦 « T01 » « T02 »
V(X/𝑦2 ) = σ𝑖 𝑓𝑖/2 𝑥𝑖2 − (𝑋/𝑦
ത 2 )2 = 0.24.
X/Y 1 2 3
c) Comme X et Y sont indépendants, alors: 𝑓𝑖𝑗 = 𝑓𝑖. × 𝑓.𝑗 = 𝑓𝑖/𝑗 × 𝑓𝑗/𝑖 .
1 0.12 0.12 0.16
On trouve le tableau de contingence 𝑓𝑖𝑗 suivant:
2 0.18 0.18 0.24

d) Comme X et Y sont indépendants, alors r = 0 et par suite la liaison linéaire entre X et Y est inexistante. Cela
signifie que la droite de régression n’ajuste pas le nuage de points. Donc, on ne peut pas estimer la valeur de
x pour n’importe quelle valeur donnée de y.
Analyse Combinatoire

CHAPITRE V

ANALYSE COMBINATOIRE

§0- Introduction

L’analyse combinatoire s’occupe du dénombrement des différentes dispositions

que l’on peut former à partir des éléments d’un ensemble fini.
Ces dispositions peuvent être avec ou sans répétition, ordonnées (arrangement ou
permutation) ou non (combinaison).
L’analyse combinatoire conduit alors à déterminer le nombre de choix possibles
de p éléments -différents ou non- tirés parmi n selon un -ou sans- ordre
déterminé.

Remarque
L’analyse combinatoire fait souvent intervenir le produit des n premiers nombres
entiers que l’on note n ! : n ! = 1.2.3…. (n-1). n.
Le nombre n ! croit très rapidement.
On a par exemple : 0 ! = 1 ; 1 ! =1 ; 2 ! = 2 ; 3 ! = 6 ; 4 ! = 24.

§ 1- Tirages sans remise

1-1. Arrangement sans répétition : C’est le nombre de choix possibles de p
éléments différents tirés parmi n (n  p) selon un ordre déterminé.
Autrement dit, c’est le nombre de dispositions ordonnées de p éléments différents
d’un ensemble ayant n éléments (n  p). On note ce nombre par :
n!
A pn = = n[p] ; 0  p  n.
(n − p)!
Remarquons qu’on a : A n =n ; A n0 =1 et A nn = n !
1

Exemples :
1) Considérons l’ensemble E = {a, b, c}.
Les arrangements de deux éléments différents de E sont : ab ; ac ; bc ; ba ;
ca ; cb.
3!
Le nombre d’arrangements est : A 32 = = 6.
(3 − 2)!
2) On tire successivement au hasard deux boules d’une urne U1 contient trois
boules colorées : Rouge (R), Noire (N) et Bleue (B).
Le tirage se fait sans répétition c.à.d. sans remettre la boule tirée chaque
fois dans l’urne. Les choix possibles sont : RN ; NR ; RB ; BR ; NB ; BN.

53
Statistique et Probabibilités
Analyse Combinatoire

Le nombre total de choix possibles est le nombre d’arrangements de 2 parmi 3 :

3!
A 32 = = 6.
(3 − 2)!
Ces arrangements peuvent être représentés par le schéma des flèches suivant :

1-2. Permutation sans répétition : C’est le nombre de choix possibles de n

éléments différents tirés parmi n selon un ordre déterminé.
Autrement dit, c’est le nombre de dispositions ordonnées de n éléments différents
d’un ensemble ayant n éléments.
Une permutation de n éléments différents est alors un arrangement de ces
éléments.
Ce nombre est noté par : Pn = A nn = n !

Exemples :
1) Considérons l’ensemble E = {a, b, c}.
Les arrangements de trois éléments différents de E sont : abc ; acb ; bac ;
bca ; cab ; cba. Le nombre d’arrangements est : P3 = 3 ! = 6.

2) Reprenons l’urne U1 déjà citée.

Tirons successivement au hasard et sans répétition trois boules de cette
urne. Les choix possibles sont : RNB ; RBN ; NRB ; NBR ; BRN ; BNR.
Le nombre total de choix possibles est égal au nombre de permutations de 3
boules : P3 = 3 ! = 6.

1-3. Combinaison sans répétition : C’est le nombre de choix possibles de p

éléments différents tirés parmi n (n  p) sans aucun ordre.
Autrement dit, c’est le nombre de dispositions non ordonnées de p éléments
différents d’un ensemble ayant n éléments (n  p).

= 
p n! n
Ce nombre est noté : C n =
p!(n− p)!  p 
Remarquons que pour tout n tel que n  p, on a :
Ap
i) C pn = n ;
p!
ii) C n = n; C n0 = 1 = C nn ;
1

iii) C pn = C nn-p ;
iv) A pn = C 1n . C 1n−1 … C 1n−p +1 .

54
Statistique et Probabibilités
 Analyse Combinatoire

Exemples :
1) Considérons l’ensemble E = {a, b, c}.
Les combinaisons de deux éléments différents de E sont : ab ; ac ; bc.
3!
Le nombre de combinaisons est : C 3 = = 3.
2

2! (3 − 2)!
2) Tirons au hasard deux boules de l’urne U1 déjà citée sans répétition. Les
choix possibles sont : RN ; BR ; NB.
Le nombre total de choix possibles est égal au nombre de combinaisons de
deux boules parmi trois : C 32 = 3.
Ces combinaisons peuvent être représentées par le schéma des flèches
suivant :

§ 2- Tirages avec remise

C’est une procédure de tirage qui donne à chaque élément la même probabilité
d’être tiré durant tous les tirages effectués. Cette procédure entraîne que :
i) Les résultats des tirages successifs sont indépendants.
ii) Le nombre p de tirages peut être supérieur au nombre n des éléments de
l’ensemble.

2-1. Arrangement avec répétition : C’est le nombre de choix possibles de p

éléments quelconques (distincts ou non) tirés parmi n selon un ordre déterminé. Ce
nombre est défini par : A n'p = np. Remarquons que : A n'p = C 1n . C 1n … C 1n (p fois).

Exemples :
1) Considérons l’ensemble E = {a, b, c}.
Les arrangements de deux éléments quelconques de E sont :
aa; ab; ba; ac; ca; bb; bc; cb; cc.
Le nombre d’arrangements est : A '23 = 32 = 9.

2) Tirons successivement, au hasard, deux boules de l’urne U1 avec ordre et avec

répétition (c.à.d. on remet la boule tirée dans l’urne après chaque tirage).
Les choix possibles sont : RR ; RN ; NR ; RB ; BR ; NN ; NB ; BN ; BB.
Le nombre d’arrangements est A '23 = 32 =9.
Ces arrangements peuvent être représentés par le schéma des flèches suivant :

55
Statistique et Probabibilités
Analyse Combinatoire

2-2. Permutation avec répétition : C’est le nombre de dispositions ordonnées de n

éléments dans K places différentes dont la 1-ère place contient n1 éléments, la 2ème
contient n2 éléments, ..., la K-ème contient nk éléments ; avec n = n1 + n2 +… +nk.
n!
Ce nombre est défini par : Pn' = avec n = n1 + ... + nk.
n1! n 2 !...nk !
Remarquons qu’on a : Pn' = Cn1 . Cn2−n ...Cnk-(n +..+n .
n n n
1 1 (k −1) )

Exemples :
1) Répartir 10 étudiants dans trois classes différentes tel que : 5 étudiants dans
la 1-ère classe, 2 étudiants dans la 2-ème classe, 3 étudiants dans la 3-ème classe.
On a : n = 5+3+2= 10.
10!
Le nombre de choix possibles est : P10 '
= = C10
5
.C52 . C 33 = 2520.
5! 3! 2!
2) De combien de manières différentes peut-on placer 8 boules dans 4 cases
différentes à raison de 2 boules par case ?
C’est une permutation avec répétition de 8 éléments où n = 8 = 2+2+2+2.
8!
Le nombre de choix possibles est : P8' = = C 82 . C 26 . C 24 . C 22 = 2520.
2! 2! 2! 2!

2-3. Combinaison avec répétition : C’est le nombre de choix possibles de p

éléments quelconques (distincts ou non) tirés parmi n sans ordre. Ce nombre est
(n + p − 1)!
défini par : Cn'p = Cpn+p-1 = .
p!(n − 1)!
Exemples :
1) De combien de manières différentes peut-on choisir trois boules quelconques
d’une urne contenant 10 boules identiques ?
Remarquons que :
i) Les 3 boules tirées sont quelconques. On en déduit que la boule tirée
peut être retirée plusieurs fois. Il s’agit alors d’un tirage avec remise ;
ii) les boules qui se trouvent dans l’urne sont identiques, ce qui signifie
que l’ordre n’intervient pas dans le tirage.
C’est alors une combinaison avec répétition de 3 boules parmi 10. Le nombre
12!
de choix possibles est : C10 '3
= C103
+ 3 −1 = C12 =
3
= 220.
3! 9!
2) Tirons au hasard avec répétition 2 boules de l’urne U 1 déjà citée. Les choix
possibles sont : RR ; RN ; NN ; NB ; BB ; BR.
Le nombre de choix possibles est égal au nombre de combinaisons avec
4!
répétition de 2 boules parmi 3 : C '23 = C 32+2−1 = C 24 = = 6.
2! 2!
Ces combinaisons peuvent être représentées par ce schéma des flèches :

56
Statistique et Probabibilités
Analyse Combinatoire

Remarques :
a) Le nombre de choix possibles de (A et B) est égal au produit du nombre de
choix possibles de A multiplié par le nombre de choix possibles de B.
b) Le nombre de choix possibles de (A ou B) est égal à la somme du nombre de
choix possibles de A plus le nombre de choix possibles de B.

57
Statistique et Probabibilités
Analyse Combinatoire

Série 5

1- De combien de façons peut-on choisir un comité de 3 personnes

parmi 20 ? Supposons que le comité comprend un chef, un
secrétaire et un caissier. De combien de façons peut-on nommer
le comité parmi 20 personnes ?

2- a) De combien de manières peuvent se mettre 5 personnes dans

un rang ?
b) Même question si 2 de ces personnes veulent se mettre l’un à
côté de l’autre ?
c) De combien de manières peuvent se mettre 3 personnes
autour d’une table ronde ?

3- Les 12 tomes d’une encyclopédie médicale sont placés au

hasard.
a) Combien y-a-t-il de manières pour les classer ?
b) Parmi ces classements, combien y en a-t-il où les tomes 1 et 2
se trouvent côte à côte ?

4- Une classe contient 12 élèves. De combien de façons ces élèves

peuvent-ils subir 3 examens différents sachant que chaque 4
élèves subissent un même examen.

5- a) De combien de manières peut-on former une combinaison de 4

femmes et de 5 hommes choisis parmi 8 femmes et 7 hommes ?
b) Quel est le nombre de ces comités si un couple refuse de
siéger ensemble ?
c) Quel est le nombre de ces comités si 2 femmes refusent de
siéger ensemble ?

6- Une entreprise veut engager 4 ingénieurs à 4 spécialités

différentes. Six ingénieurs se présentent, combien de choix
s’offrent au responsable de l’entreprise dans les 3 cas suivants :
a) Les six ingénieurs sont polyvalents (c.à.d. peuvent occuper
n’importe quel poste).

58
Statistique et Probabibilités
Analyse Combinatoire

b) Un seul est polyvalent pour les 4 branches et les 5 autres le

sont seulement pour les 3 branches.
c) Parmi les 6 ingénieurs se trouvent 3 hommes et 3 femmes
tous polyvalents. L’équipe recherchée doit comprendre 2
hommes et 2 femmes.

7- On dispose des trois chiffres 2,5 et 7.

a) Combien peut-on former de nombres de 2 chiffres ?
b) Combien peut-on former de nombres de 2 chiffres différents ?
c) Combien y a-t-il de nombres pairs parmi les nombres de 2
chiffres différents ?

8- Dans une classe de 33 élèves, on choisit un délégué titulaire, un

délégué suppléant et un responsable de cahier de textes.
a) Combien y-a-t-il de choix possibles si on suppose qu’un même
élève ne peut avoir deux fonctions.
b) Combien y a-t-il de choix possibles si on suppose qu’un même
élève peut avoir en même temps la fonction de délégué
suppléant et la fonction de responsable de cahier de textes.

9- Une troupe de théâtre composée de 14 femmes et 6 hommes

veut préparer une représentation. Dans la pièce choisie, il y a 10
rôles féminins et 5 rôles masculins.
a) Combien y a-t-il de distributions possibles des rôles.
b) Combien y a-t-il de distributions dans lesquelles joue
Madame X qui est l’une des femmes de la troupe.

10- Un joueur au bridge reçoit 13 cartes parmi 52.

a) Combien de mains différent le joueur peut-il recevoir ?
b) Parmi ces mains, de combien de façon peut-il recevoir :
i) Un as exactement ?
ii) Au moins un as ?
iii) Deux as exactement ?
iv) Deux as au moins ?
v) Un as et un roi exactement et de même couleur ?
vi) Un as et un roi exactement ?
vii) Au moins un as et un roi ?
viii) Une carte de chaque valeur ?
ix) 4 cartes de même valeur ?

59
Statistique et Probabibilités
Analyse Combinatoire

11- Une urne contient 12 boules : 5 blanches, 4 bleues et 3

rouges. On extrait successivement avec remise 3 boules de cette
urne, une à une. Combien y a t- il- de façons d’extraire :
a) 3 boules de même couleur ?
b) 3 boules dont une seule est blanche ?
c) 3 boules dont au moins une est blanche ?
d) 3 boules de deux couleurs différentes ?

12- On choisit un bureau de 7 personnes dans une assemblée

de 47 femmes et 55 hommes. Combien de bureaux seront
composés :
a) Uniquement d’hommes;
b) Uniquement de femmes;
c) De 4 hommes et 3 femmes ;
d) De personnes de même sexe ;
e) De personnes représentant les deux sexes ;
f) D’au moins une femme.

13- Une file de 10 personnes circulant en montagne comprend

3 montagnards et 7 touristes.
a) En tenant compte de l’ordre, combien de manières peuvent-
elles se placer en file de 10 personnes ?
b) Même question que a) en supposant que la première et la
dernière de la file sont des montagnards ?
c) Même question que a) en supposant que 2 touristes donnés
veulent être l’un après l’autre ?

14- Un congrès médical a lieu en France. La faculté de

Médecine décide d’envoyer au congrès une délégation de 7
médecins. Ces 7 médecins sont choisis dans un groupe de 15
médecins parmi lesquels il y a 5 chirurgiens.
De combien de façons peut-on le faire si 3 chirurgiens au moins
doivent faire partie de la délégation ?

15- On tire successivement une à une et sans remise 5 cartes

d’un jeu de 52 cartes.
a) Quel est le nombre de choix possibles ?
b) De combien de manières peut-on obtenir un seul as ?
c) De combien de manières peut-on obtenir un as au premier
tirage seulement et un roi au dernier tirage seulement ?

60
Statistique et Probabibilités
Solutions des exercices:
S5 – S1100
.
1-
3 20!
a) 𝐶20 = 3!17! = 1140.

20!
b) 𝐴320 = 17! = 6840 = 𝐶20
1 1 1 3
𝐶19 𝐶18 = 𝐶20 × 3!.

2-
a) 𝑃5 = 5! = 120 = 𝐴55 .

b) 𝑃4 . 𝑃2 = 4! 2! = 48. (Ex.: Si on a 3 personnes, au lieu de 5. Les choix: ABC-CAB-BAC-CBA)

3!
c) 3
= 2. a c (Remarque que: abc ≡ bca ≡ cab et acb ≡ bac ≡ cba).
b
3-
a) 𝑃12 = 12! = 𝐴12
12 .

b) 𝑃11 . 𝑃2 = 11! 2! 12 élèves

4 4 4
′ 12! 4 4 4
4- 𝑃12 = 4!4!4! = 𝐶12 𝐶8 𝐶4 . 3 examens
5-
8! 7!
a) 𝐶84 𝐶75 = 4!4! . 5!2! = 1470. 8F 4F et 5H
7H
b) 𝐶84 𝐶75 − 𝐶11 𝐶11 𝐶73 𝐶64 = 𝐶11 𝐶64 𝐶74 + 𝐶11 𝐶73 𝐶65 + 𝐶74 𝐶65 .

c) 𝐶84 𝐶75 − 𝐶11 𝐶11 𝐶75 𝐶62 = 2𝐶11 𝐶63 𝐶75 + 𝐶64 𝐶75 .

6-
6!
a) 𝐶64 = 4!2! . 6 4

5!
𝑏) 𝐶11 𝐶53 = 3!2! . 1 1: 4B 5: 3B 3
3F 2F
c) 𝐶32 𝐶32 = 9. 3H 2H

7-
a) 𝐴′ 23 = 9 = 𝐶31 𝐶31 .

b) 𝐴23 = 6 = 𝐶31 𝐶21 .

c) 𝐶11 𝐶21 = 2. 5-7 2

8-
33!
a) 𝐴333 = 30! = 𝐶33
1 1
𝐶32 1
𝐶31 .

1 ′2
b) 𝐴233 + 𝐴333 = 𝐶33
1 1
𝐶32 1
+ 𝐶33 1
𝐶32 1
𝐶31 = 𝐶33 𝐴 32 = 33 × 32 + 33 × 32 × 31.

9-
14! 6!
a) 𝐴10 5
14 𝐴6 = 4! . 1!. 14 F 10 F
6H 5H
9 5 1 13! 6!
b) 𝐶11 𝐴13 𝐴6 𝐶10 = . . 10.
4! 1!

10-
13 52!
a) 𝐶52 = 13! 39! .

48! 13 13
b) i) 𝐶41 𝐶48
12
= 4. 12! 36!. ii) 𝐶52 − 𝐶48 = 𝐶41 𝐶48
12
+ 𝐶42 𝐶48
11
+ 𝐶43 𝐶48
10 9
+ 𝐶44 𝐶48 .

13 13
iii) 𝐶42 𝐶48
11
. 4 Rois iv) 𝐶52 − 𝐶48 − 𝐶41 𝐶48
12
= 𝐶42 𝐶48
11
+ 𝐶43 𝐶48
10 9
+ 𝐶44 𝐶48 .
4 As
v) 𝐶41 𝐶11 𝐶11 𝐶44
11
. 44 Autres vi) 𝐶41 𝐶41 𝐶44
11
.

13 13 13 13 13 13 9
vii) 𝐶52 − (𝐶48 −𝐶44 ) − (𝐶48 −𝐶44 ) − 𝐶44 . viii) (𝐶41 )13 . 1
ix) 𝐶13 𝐶44 𝐶48 .
11-
a) 𝐴′ 35 + 𝐴′ 33 + 𝐴′ 34 .
5 Bla 3
2 2 2
b) 𝐶51 𝐶31 𝐴′ 7 = 𝐶51 𝐶31 𝐴′ 4 + 𝐶51 𝐶31 𝐴′ 3 + 𝐶51 𝐶31 𝐶31 𝐶21 𝐶41 𝐶11 . 4 Ble
3R
3 3 2 2 3
c) 𝐴′12 − 𝐴′ 7 = 𝐶51 𝐶31 𝐴′ 7 + 𝐴′ 5 𝐶71 𝐶31 + 𝐴′ 5 .
12
3 3 3 3
d) 𝐴′12 − 𝐴′ 5 + 𝐴′ 3 + 𝐴′ 4 − 𝐶51 𝐶31 𝐶41 𝐶21 𝐶31 𝐶11 .

12-
7
a) 𝐶55 . 47 F 7

7
b) 𝐶47 . 55 H

4 3 102
c) 𝐶55 𝐶47 .

7 7
d) 𝐶55 + 𝐶47 .

7 7 7 1 6 2 5 3 4 4 3 5 2 6 1
e) 𝐶102 − (𝐶55 +𝐶47 ) = 𝐶55 𝐶47 + 𝐶55 𝐶47 + 𝐶55 𝐶47 + 𝐶55 𝐶47 + 𝐶55 𝐶47 + 𝐶55 𝐶47 .

7 7
f) 𝐶102 − 𝐶55 .
13-
a) 𝑃10 = 10! (𝑂𝑢 𝑏𝑖𝑒𝑛 𝐴33 𝐶10
3 7
𝐴7 ). 3M

b) 𝐶31 𝐶21 𝑃8 = 8! 6. M M 7T

c) 𝑃9 . 𝑃2 = 9! 2!.

14- 𝐶53 𝐶10

4
+ 𝐶54 𝐶10
3
+ 𝐶55 𝐶10
2 7
= 𝐶15 7
− 𝐶10 + 𝐶51 𝐶10
6
+ 𝐶52 𝐶10
5
. 5 Ch 7
10 N Ch
15
15-
a) 𝐴552 = 𝐶52
1 1 1 1 1
𝐶51 𝐶50 𝐶49 𝐶48 .

b) 𝐶41 𝐶51 𝐴448 .

c) 𝐶41 𝐶41 𝐴344 . 1 As 3 cartes ni As ni Roi 1Roi